科学大数据：范式重塑与价值实现

孙建军+++李阳

摘 要：大数据时代，科学研究与实践的各个领域与环节发生了根本性变革，科学大数据成为科技创新与应用的新引领，是新一轮科技革命的“引爆点”。文章立足数据科学与图书情报科学前沿，提出了一个兼具“技术理性”与“人文价值”色彩的科学大数据范式特体。文章认为：科学大数据的概念框架应兼具知识维度和活动维度；科学大数据的“迭代优化”特征将会驱动其范式共同体的扩展与生态系统的形成；科学大数据价值链的提升则需要通过资源、模式与内容等方面的优化进行综合推进。在新技术环境下，科学大数据具有广阔的应用前景，其范式重塑与价值实现对于推进现代大科学研究理论与实践体系的建设具有积极意义。

关键词：科学大数据；数据科学；范式；价值链

中图分类号：G355 文献标识码：A DOI：10.11968/tsyqb.1003-6938.2017089

Scientific Big Data：Paradigm Remodeling and Value Realization

Abstract In the era of big data， scientific research and practice have made sharp changes in several areas and links. Scientific big data has become the new leadership of innovation and application of science and technology， as well as the "tipping point" of a new round of technological revolution. Based on the scientific frontier of data science and LIS （Library and information science）， this paper puts forward a special scientific big data paradigm by integrating "technical rationality" and "humanistic value". This paper states that the conceptual framework of scientific big data should have both knowledge dimension and activity dimension. Meanwhile， the iterative optimization features of scientific big data will drive the expansion of the paradigm community and the formation of ecosystem. As it should be， the enhancement of the value chain of scientific big data needs to be comprehensively promoted through the optimization of resources， patterns and contents. Under the new technology environment， the scientific big data has broad application prospect， its remodeling and value realization are significant to the construction of modern big science research theory and practice system.

Key words scientific big data；data science；paradigm；value chain

1 引言

近年來，大数据热潮促进了数据科学的发展，尤其是计算机技术、互联网通信技术、传感技术的持续创新，科学研究的数据化能力得到进一步提升，以大数据为推动力的科学研究范围、方法、方式等发生了极大改变[1]。在此背景下，科学研究与工程实践不断推进，一系列大科学、大工程、大项目与大数据密切相关，如“E级超算”项目、人类基因组计划、未来世界计划等。科学大数据是科学研究中的海量数据，它既取之于科学，也反过来影响和扩大更多的科学探索与应用，成为架起数据科学与业务实践之间的关键桥梁。随着知识经济与科技竞争不断白热化，新一轮的科技革命蓄势待发，科学大数据逐步成为重塑国家科技水平与生产力的主导力量。同时，政府管理与社会治理进入了新常态，科技发展进入纵深发展的转折期，科学大数据管理迈向了新的节点和征程，科学研究、政府决策、产业发展等越来越依赖于科学大数据以及对其分析的能力。

科学大数据是支撑国家科技创新的战略资源，党和政府高度重视科学大数据的发展。2015年8月，国务院发布的《促进大数据发展行动纲要》中，强调了发展科学大数据，积极推动由国家公共财政支持的公益性科研活动获取和产生的科学数据逐步开放共享，构建科学大数据国家重大基础设施，实现对国家重要科技数据的权威汇集、长期保存、集成管理和全面共享等。2016年8月，国务院印发的《“十三五”国家科技创新规划》，其强调着力扩大科技开放合作，从政策指引上部署了科技2030的大数据重大工程等。不仅如此，科研机构也积极参与科学大数据的相关实践，为了契合国家战略，中国科学院“十三五”信息化专项专门设置和实施了科学大数据工程项目，以期通过重点数据库建设来推动科学大数据的发展等。

在现实背景、社会需求与政策导向上，科学大数据的基础理论与实践推进已经成为当前政府与社会关注的重要议题。长期以来，数据驱动理念与科学研究现状的固有矛盾一直制约着科学大数据的发展，新一代数据科学研究对科学大数据管理与服务提出了更高要求。然而，目前关注科学大数据的学理议题讨论较为少见，特别是关于科学大数据跨领域、跨学科协同的复杂性问题，学术界鲜有系统性研究。过去人们对于科学大数据的理解局限于自然科学视域，人文社会科学视域下的科学大数据逻辑没有得到应有的重视，而实际上，人文社会科学研究恰恰在大数据时代显示出其新的生命力。因此，如何从全新的视角系统厘清科学大数据的基础科学问题，以指导科学大数据的应用实践，支持满足社会发展与国家安全的重大需求，成为当前科学大数据研究的重要突破点。鉴于此，本文主要从数据科学、信息管理、图书情报的角度出发，旨在探究并提出科学大数据的核心内涵与数据价值链问题，形成兼具共识性的科学大数据理论与实践范式，以此推动科学大数据的繁荣与发展。endprint

2 科学大数据的概念框架

科学大数据的提出源于大数据对科学知识发现与创新研究的深刻影响，其节点是2012年美国总统奥巴马宣布启动“大数据研究与开发计划”。从词语结构上看，科学大数据是一个典型的复合词，学术界关于科学大数据的术语裁定是围绕词根语素“大数据”之本身，强调“大数据”层面的范畴定性问题。如诸云强等[2]学者将科学大数据被定义为与科学相关，反映和表征着复杂的自然和社会科学现象与关系的大数据；黎建辉等[3]学者认为科学大数据是通过“机器”自动化快速采集、规模化存储与分析处理、具有较高维度和复杂关联的数据及其衍生产品。实际上，随着不同类型科学研究的交叉与关联倾向不断加强，科学大数据问题已经从单纯的大数据问题延伸为科学研究体系的大数据化问题。换句话说，科学大数据不仅仅来源于物理层面的科学数据，还涉及到社会空间、信息空间的科学关联数据问题，也就是说，科学大数据的概念逻辑理应在内涵与外延层面进一步拓展與延伸。

科学大数据是以数据科学为本位学科的专有术语，目前图书情报学科与数据科学的相融愈加密切，基于该范畴出发，本文认为，科学大数据有狭义与广义之分：狭义的科学大数据是指科学实验、科学设计等科学研究领域产生的一系列原始性、基础性数据，其本质上是以数据论（强调数据体量、类型与传播）为代表的科学大数据集合；广义的科学大数据存在于科研活动与科学研究的整个生命周期之中，包括科研启动、科研合作、科研结果与成果利用过程中涉及到的科研人员数据、科研资料数据、科研技术数据与科研环境数据等。从广义视角来看，科学大数据的概念范畴可分为两个结构维度，一是知识维度，即科学知识大数据，包含各科学领域已形成的基本数据、资料、文献等承载知识内容的数据；二是活动维度，即科学活动大数据，包括科学活动中的实体（如人员、机构、项目等）及其关系数据（如合作、引证、共现、社交等）。目前学术界对科学大数据的理解主要着眼于知识维度层面的科学大数据集聚与融合问题，而对活动维度层面的科学大数据实体关系识别与效用计量评估等问题关注较少。实际上，走向大科学（Big Science）范畴的科学大数据是以目标为导向的科学家合作、科学网络形成与科学数据价值共创的系统工程，由此，科学大数据的外延将不断泛化，而内涵则固化到具体的科学问题与科学任务攻克，最终形成数据聚合、工具集成与专家协同的科学大数据“网”。

3 科学大数据的范式建构剖析

库恩将范式定义为针对科学革命的整体性框架与价值标准，包括定律、方法、技术等[4]。科学大数据的提出与形成有其历史特殊性，图灵奖获得者Jim Gray提出科学研究的第四范式，即数据密集型科学发现，科学大数据正是该范式下的核心基点和载体。面对科学研究的特定问题，科学大数据范式在研究途径、功能、机制等方面表现出不同于其他范式的独特内涵和新兴解释力，这与其范式变革与建构密切相关。

3.1 范式共同体及其拓展

科学共同体表征为科学家团体的群体集合，科学共同体是范式的主体，科学共同体及其约定则是范式的载体[5]。在大数据理念下，科学大数据分析与共享促使从事科学研究与科学发现的科学共同体凝聚力与通约性更强，表现为人员更庞大、交叉更明显、渗透更紧密等。科学大数据工程的推进为科学共同体的科学交流与科研产出提供便利，而科学共同体的合作与开放将为科学大数据工程的迈进提供坚实基础。从这个思维出发，科学大数据的科学共同体问题既解释了科学大数据的广义概念逻辑，也从共同的理论模型和问题框架需求层面倒逼科学大数据范式特体的形成与演进。

从研究范式来看，科学大数据的科学共同体包括计算机学家、数据科学家、图书情报学家、档案学家、数据管理者等一系列为科学大数据资源的管理与服务起着关键作用的相关集团。由此，科学大数据的科学共同体学术团队或个体的学术关联与衔接纽带成为科学大数据主体形态的合作网络，主体间性通过何种方式形成科学大数据研究链则成为其关键；从实践范式考虑，科学大数据的战略推进与实施、服务策略与方式、产品生产与应用等是由科学共同体、政府、民众等共同作用的结果。尤其是在大数据语境或环境下，科学研究与科学发现所依赖的科学大数据范式特体已经逐步形成一个由科学共同体及其特定关联主体组成的有机整体。这样，脱离科学家“霸权”的科学大数据共同契约以及契约之间的相互联结与作用将会促使原有的科学大数据范式共同体向由科学大数据导向的多元主体向度延伸，届时各类主体参与科学知识创造与体制改进，共同为科技发展与人类社会进步服务。

3.2 科学大数据范式内容构成

范式具有明显的结构性特点，依托科学大数据的第四范式是由多层面、多层次的内容而构成。科学大数据范式推进的内容构成实际上是大数据支持下的科学创新过程及其结果，本文结合数据科学、图书情报科学的逻辑框架，从信息链视角出发，认为科学大数据的深度挖掘与利用是一个从数据、信息再到创造的过程。因此，以科学大数据为基的新范式建构的内容框架应包括五大部分：科学大数据战略制定与规划、科学大数据资源支持与建设、科学大数据融合与处理、科学大数据开放与共享、科学大数据成果评价与应用推广。

具体而言，首先，科学大数据是一项系统工程，因此，必须在科学的大数据知识服务策略与战略需求分析下对科学大数据进行全局规划，而这依赖于国家政府层面的大力支持；其次，科学大数据的对象是科学大数据资源本身，科学大数据资源既涉及到实验室仪器设备数据、测试模拟仿真数据等，还涉及到与科学研究相关的互联网数据、人际交流数据等。科学大数据资源的环境营造是科学大数据工程实施的实际保障，这涉及到数据信息化平台开发、数据团队建设、数据资源机构设置等；第三，科学发现依赖于对科学大数据信息碎片、知识片的深度挖掘，因此，多维度、多粒度、多模态科学大数据的实体关联与关系抽取问题成为科学大数据深度挖掘的关键。在一些特有领域（如天文领域），大规模数据的并行处理与实时分析技术已经成为科学知识发现的基本保障；第四，科学大数据的开放与共享是当前科学大数据的核心攻克难题，它涉及到科学大数据汇交机制、存储调配机制、出版机制等。科学大数据的开放共享需要在限定的规则框架下实现集成共享与智能推荐，包括政策驱动、主题驱动[6]、兴趣驱动等；第五，大数据的到来促使科学研究成果的评价逐渐从结果考评转变为过程考评，因此，科学大数据的成果评价与反馈更加注重“创新和质量导向”，以形成科学规范、形式多样、客观公正的科学大数据成果评价与反馈体系。同时，科学大数据成果还需要通过应用推广来实现数据价值提升，科学大数据应用推广最终有利于国家科技管理与决策机制的优化与创新。endprint

3.3 科学大数据范式新特征

科学大数据范式形成是大科学研究的基础，科学大数据范式理念蕴含着促进科学知识发现与应用的隐喻本质和显性功能。近年来互联网+、大数据、众包众创、共享经济等理念不断深入，知识发现、科技创新、服务质量提升等方面均对科学大数据提出了新的需求，科学大数据范式呈现出新特征，主要概括为以下三个方面的转变：多特征层次化的“数据资源池”涌现、数据科学合作网络的不断成长、跨领域服务的全纳化变革。

（1）多特征层次化的“数据资源池”涌现。时下，数据驱动的科学研究已经迈向了新的台阶，不同来源、形式、维度的科学数据汇聚一堂，大规模科研信息催生了全息化科学大数据的形成，以便于从不同视角、不同情境反映科学动态与科技关键议题。相比于其它领域、其它类型的大数据，科学大数据具有典型的多层次逐级演化特征，换句话说，科学研究往往会随科学应用和目标不同而择取差异化的科学大数据级别[3]。由此，科学大数据的汇聚与分析可以按照蜂巢式数据联接化管理模式，力求将各类结构化、半结构化与非结构化的科学数据资源进行数据云设计，实现泛互联网化，届时与科学大数据密切相关的各类“数据资源池”不断涌现。

（2）数据科学合作网络的不断成长。科学大数据的价值特异性不仅仅与数据本身有关，科学大数据使用者、参与者的能力在某种程度上决定了科学研究与工作的绩效输出。也就是说，数据开发者与利用者在科学大数据生态系统中扮演着关键角色。科学大数据范式将会催生大量的科学研究新兴团体，科学合作巨网络的形成为“大数据—大科学—大发现”奠定了基础。未来，数据科学家群体将成为科学大数据探索的先导，而创新数据科学合作网络的成长必然要突破地理域、平台域、学科域等限制，以帮助他们频繁地参与科研合作与交流。当然，科学大数据理念的目标是在更高层面实现知识的泛在化创造，未来领域先锋者、小众专家、民间智者等新兴知识主体将逐渐出现，最终走向全民智慧化时代。

（3）跨领域服务的全纳化变革。如前所述，科学大数据存在于科研活动与科学研究的整个生命周期之中，在新型科学大数据生态理念要求下，科学大数据服务应走向更高级的全纳化阶段。服务全纳化是指服务主体、服务对象等全程介入服务流程之中，以实现各阶段、各环节的客户需求定制[7]。传统的科学数据服务局限于某个领域或某个主题，科学大数据范式导向的科技服务需要全方位、全链条的考虑科学大数据群体的协同攻关问题，即科技管理主体要支持科学大数据的按需流动、快速流水线作业与动态集成调配，以提升科学大数据服务过程的公开性与有效性，实现科学大数据采集、存储、分析与利用的一体化。

总而言之，在大数据时代，科学大数据范式提供的“以数据为本”理念能够带来科学领域的思维转变，科学大数据的范式建构主导着现代科学研究与实践的大方向。未来，大数据的全观视野必然推动着科学形态走向全科学大数据范式，即凝聚科学、技术与社会三元要素[8]，向后现代科学观转变。科学大数据不仅仅关注数据和信息层面的处理问题，还关注与之相关的管理和社会服务问题。也就是说，科学大数据范式将带有更多的技术元素与人文社会意涵色彩，并在大数据语境下实现“技术理性”与“人文价值”的统一。

4 新范式下科学大数据的价值考量

大数据催生了从数据中挖掘和发现知识的新需求，这种新需求成为科学研究与科学服务范式形成的重要推动力量。科学大数据在科技监测、知识发现、科技创新等管理决策支持方面发挥了积极作用，但科学大数据价值的真正落地还存在诸多困境与挑战，仍然依赖于大数据管理模式、方法技术等突破性进展。在科学大数据范式建构总体框架下，科学大数据的价值实现体现出特殊的表征形态与培育路径。

4.1 价值共创情境下的科学大数据

大数据助推科研行为方式与科技创新模式的变革，科学大数据由此承载了更多科技领域未来探索的潜在愿景。从科学大数据的范式新特征可以看出，科学大数据呈现出典型的“迭代优化”特征，而这种演进的最终意义是通过高度的创造性释放其价值，为国家战略需求提供科技应用服务，为政府管理与决策提供政策指导。本文认为，科学大数据是一种特殊的数据资产，从价值实现角度出发，科学大数据一般涉及两个方面内容：价值增值与价值变现，它们分别指向对内能力强化与对外情景应用，前者包含科学大数据本身的管理优化、成本控制等，后者包括科学大数据外延而出的数据出版、产品开发等。强调科学大数据的数据资产理念，不是要对其进行刻意保护，而是要以更开放的视角挖掘其潜力价值；从动态全局的视角考虑其价值内涵与表现形式的变化，思量其对内能力强化与对外情景应用的融合衔接问题。话句话说，如何盘活科学大数据资產，是科学大数据生态系统的核心内涵与活力所在。

目前，“互联网+”为科学研究与发现搭建了前所未有的新空间和新平台，众筹、众包、众创等新兴理念为科技创新模式提供了更多的选择。在创新2.0时代，全要素开放式的综合服务成为主流，面对“大众创业，万众创新”的时代号召，科技管理部门应从为传统的科研创新主体及决策主体提供信息服务，拓展到产业及创业主体，通过优化配置各类科学大数据资源，构建符合创新创业需求的科学大数据服务新形态与生态链。从逻辑上来看，科学大数据的价值创造是需求用户通过布局科技管理规划，科学研究主体再通过相关科技平台将科学大数据转化为社会公众服务的过程。在这个过程中，科学大数据的服务对象得到了扩展，形成了科学大数据独有的“众创空间”。不同主体关于科学大数据的价值协调与价值传递出发点虽然不同，但其范式体现出的共同契约指向一致，形成价值共创情境的科学大数据生态系统。而为了保障科学大数据价值共创的效率和效果，就必须以数据资产为核心，以科研需求为牵引，以社会应用为落地，将科学大数据参与主体及相应的生态系统[9]、支撑体系等进行有机整合，实现科学大数据价值链的转型与升级。

4.2 科学大数据价值链提升的现实路径endprint

科学大数据的价值链是一个从科学大数据生成、获取、整合、分析、挖掘到转化为价值的过程，是以科学大数据资源为基、以科学大数据管理为力、以科学大数据挖掘为核、以科学大数据服务为标的数据价值创造过程。当前，科学大数据价值链的提升与培育可以从以下三个方面着力突破。

（1）激活科学大数据的“全源”特征。科学是一个大范畴，在全科学范式建构思路下，科学大数据体系的边界往往很难把握，如社会大数据、政务大数据、教育大数据等往往会以一种另类映射的方式衔接到科学领域。由此，科学大数据理应在大数据环境下实现“全源化知识/信息”的拓展，其实质就是融合学术论文、专利、科技报告、政策文件、科学数据、（人际）网络信息等多源数据。具体来说，包括文献数据（一次、二次、三次文献数据）、事实数据（科研机构、领域专家、基金项目）、要素词表数据（案例、命名实体）、网络数据（网络社区、社交媒体）、用户行为数据（Web日志、高频词）等。科学大数据的“全源”激活[10]，需要在研究意识与实践理念上进行强化，包括基于科学大数据与社会计算的交接问题、科学大数据资源库的多样化建设问题等。目前应尝试通过统一协同的科学大数据平台建设实现多渠道科学大数据的接入、多源科学大数据与多维科学大数据管理，以支持科学研究基础数据与采集数据的实时更新与即进即用。

（2）提升科学大数据的开放共享度。开放共享是实现科学大数据良性流转与价值转化的有效途径，科学大数据的有效利用依赖于数据开放共享程度的提升。提升科学大数据的开放共享度，需要针对科学大数据的跨学科、跨区域、多类型特点，改变传统科学大数据获取与引进方法，降低用户科学大数据获取难度，促进资源的有效配置与利用。目前科学大数据开放共享模式主要有两种：一种是政府主导的公益性模式，即科学大数据的开放共享机制由政府、跨政府组织等来制定，按照自上而下的模式进行逐步推进；另一种是市场主导的商业化模式，即科学大数据的使用者与资助者按照一定的协议许可进行有偿式使用[11]。我国由于体制方面的原因，科学大数据的开放共享推进仍然是以政府主导为主、市场配合为辅。在具体开放共享机制层面，应坚持“开放为默认，不开放为特例”的基本原则，根据不同区域背景、数据结构的环境差异来进行规则设定与综合引导，包括强制性数据汇交制度、数据联盟专项交换机制、申请审核数据开放机制、积分制数据开放共享推广机制、社会力量数据分享参与机制等。

（3）注重科学大数据服务的内容竞争力。科学大数据呈爆发式增长，由此引发的内容过剩问题成为科学研究与实践各个领域与环节的新思量。科学研究、科技管理决策乃至社会应用依赖于高质量的科学大数据产品及其服务，内容价值是其根本。传统的科技生产力模式专业门槛较低，大数据支持下的科学研究与实践在内容定位上将更加专业、细分、协同与高效，逐渐走向个性化、定制化与系统化。因此，提高科学大数据服务的内容竞争力，就必须面向需求提升内容研究基点，创新产出成果内容。所谓“取之于科学，用之于科学”，依托科学大数据驱动的科技成果从内容导向上应积极服务于社会发展与经济建设。如中科院就通过对“一带一路”沿线国家的人口、地理、环境等各类数据进行整合，为“一带一路”科学家联盟提供科技数据服务，为相关决策提供科技战略咨询[12]。与此同时，还要加强科学大数据服务质量控制，对科学大数据获取渠道及其内容进行质量评价。目前应该尝试构建多维度嵌入、多主体参与的科学大数据质量评价指标体系等，从数据源、数据媒介与数据产出等角度来保障科学大数据服务。

5 结语

科学大数据已经成为科技创新引领与决策支撑的重要战略资源，在科学大数据的范式引领下，科学研究与实践正在完成“假设驱动”到“数据驱动”的巨大转变。科学大数据是国家科技创新潜力与能力的表征，科学大数据的深度挖掘与利用能够为社会发展、政府治理、国家安全等提供新的动能。随着互联网+、创新2.0、共享经济等新兴理念的不断应用，科学大数据呈现出全新的范式特体，本文正是在这样的背景下，对科学大数据的范式重塑与价值实现问题进行了深入探讨与解析。对于科学大数据的解读，学科视角、主体视域的不同会带来差异化的理解与思路，本文立足数据科学，从图书情报视角赋予科学大数据一个比较科学的共同话语体系，寄期望于推进科学大数据研究及其深度应用，同时也有利于进一步增进数据科学、信息管理等相关学科的繁荣与发展。

当然，无论是对于政府机构、科研机构，还是科学家集团或社会公众，科学大数据在带来转型机遇的同时，也意味着更多的困难和挑战。就近期来看，2017年5月，国务院印发了《政务信息系统整合共享实施方案》，从决策部署上推进了政府开放数据工程的实施，对于政务大数据的互联互通是重大利好。科学大数据与政务大数据有密切的关联性，科学大数据所依赖的机制体制保障也需要从国家政策层面进行顶层设计，以更好的服务科学大数据范式的重塑与转型。同时，在学理层面，科学大数据的基础科学问题还需要进一步的深入探讨，尤其是关于科学大数据的开放共享机制，需要处理好权益关系、知识产权、数据安全等核心难题。总之，科学大数据范式正处于起步阶段，我们需要笃定对科学大数据的信心，通过科学大数据来引领科技创新与社会发展！

参考文献：

[1] Demchenko Y，Laat C D，Wibisono A，et al.Addressing big data challenges for scientific datainfrastructure[C].IEEE，International Conference on Cloud Computing Technology and Science.IEEE Computer Society，2012：614-617.

[2] 诸云强，朱琦，冯卓，等.科学大数据开放共享机制研究及其对环境信息共享的启示[J].中国环境管理，2015，7（6）：38-45.

[3] 黎建辉，沈志宏，孟小峰.科学大数据管理：概念、技术与系统[J].计算机研究与发展，2017，54（2）：235-247.

[4] Kuhn T S.Second thoughts on paradigms[A].F.Suppe.The structure of scientific theories[C].Urbana，IL：University of Illinois Press，1977：459-482，500-517.

[5] 马费成，宋恩梅，张勤.IRM-KM范式与情报学发展研究[M].武汉：武汉大学出版社，2008.

[6] 杨友清，陈雅.科学大数据共享研究：基于国际科学数据服务平台[J].新世纪图书馆，2014（3）：24-28.

[7] 吴晨生，李辉，付宏，等.情报服务迈向3.0时代[J].情报理论与实践，2015，38（9）：1-7.

[8] 刘啸霆，史波.STS视野中的科学[J].自然辩证法研究，2014（7）：46-51.

[9] 李立睿，邓仲华.“互联网+”视角下的科学数据生态系统研究[J].图书与情报，2016（2）：66-71.

[10] 化柏林.科技信息大数据在情报研究服务中的应用[J].图书情报工作，2017，61（16）：150-156.

[11] 王晴.论科学数据开放共享的运行模式、保障机制及优化策略[J].国家图书馆学刊，2014，23（1）：3-9.

[12] 李建荣.开放科学数据，助推科技創新——中国科学院建成开放服务的科学数据云[N].科技日报，2016-04-12（7）.

作者简介：孙建军（1962-），男，南京大学信息管理学院教授，博士生导师，研究方向：网络信息资源管理、大数据分析；李阳（1989-），男，南京大学信息管理学院博士后，研究方向：信息资源管理、竞争情报。endprint