在学科发展转型期看情报学核心竞争力建设

谢黎，陈云伟，陆颖，夏冬

（1. 中国科学院成都文献情报中心，成都 610299；2. 中国科学院大学经济与管理学院信息资源管理系，北京 100190）

0 引 言

2022年9月，国务院学位委员会和教育部联合印发的《研究生教育学科专业目录（2022年）》将原来的一级学科“图书情报与档案管理”更名为“信息资源管理”，图书情报是研究生教育学科专业，仅可授予硕士专业学位[1]，这一变化引起了广泛关注。事实上，学科改名并非首次，早在20世纪90年代，我国科技情报学界就经历过一次改名潮，将“情报”改为“信息”，并将与信息相关的5个专业（科技信息学、经济信息管理、信息学、管理信息系统、林业信息管理）合并为“信息管理与信息系统”专业。截至2021年，除中国科学院大学、中国科学技术信息研究所与上海大学之外，其他学科点的院系标签均已基本统一为“信息管理”或“信息资源管理”[2]。

学科更名背后是学界内部对学科定位的持续思辨。由于信息技术被低水平引入情报学，情报学研究内容过于泛化，情报分析被弱化为数据分析[3]，学科内外产生情报学偏离本学科基础、不务正业的争议，多位学者[4-6]曾表达情报学应该在守正的基础上不断创新的观点——既要保持自己的传统特色，对情报分析和相关理论开展更多研究，实现“守正”；也应该不断吸收其他学科的先进思想，积极丰富情报学学科内涵，实现学科方向的“创新”。与此同时，大数据+人工智能对包括国家安全与发展、社会经济与生活、科技创新与生态等在内的方方面面带来了深刻影响。情报学致力于通过对数据、信息、情报、知识的搜集、整理、组织与加工来实现情报的提取，并不断提高情报转化效率，从而发挥“耳目、尖兵、参谋”职能。因此，在数智时代，以“引领科技进步、促进社会发展、保卫国家安全”为己任的情报学，其服务对象、需求场景、研究内容等学科基本面也在不断适应环境变化而发展演化。由此可见，无论是学科发展的内生动力，还是外部环境的需求拉动，都在推动学科转型发展。

值此关键时期，需要从学科整体立场出发，客观审视情报学所具有的、区别于其他学科的独特价值，辩证思考情报学不为其他学科所替代的关键能力，即情报学核心竞争力，并思考如何培养并保持这些能力。为此，首先，本文从历史视角出发，挖掘情报学学科发展历程背后所蕴含的，关于学科根本任务、研究对象、研究内容等方面的深刻内涵，思考情报学学科定位方面的“守正”。其次，在分析情报学面临的大数据分析困境基础上，总结先进信息技术对情报学研究范式的赋能，分析情报学学科面向新环境在研究范式上的“创新”。最后，从逻辑上思考情报学的核心竞争能力所在，并就情报学能力建设提出建议。需要指出的是，通过借鉴王崇德所辨析的“情报科学”之内涵，本文讨论的情报学泛指情报学理论研究与情报工作实践，既包括以情报结构与特征为研究对象的情报学，也不回避情报工作涉及的具体研究内容。

1 基于历史溯源的情报学学科定位守正

情报学在我国的发展并非一路坦途，相反地，学界关于情报学根本任务、研究对象、研究内容多有争辩。例如，持信息观（information science）的学者认为，情报学应面向发展，服务于广泛大众的一般信息需求；而持情报观（intelligence studies）的学者认为，情报学应面向国家安全发挥“耳目、尖兵、参谋”的作用来支持决策[7]。信息与情报之争可以说贯穿了我国情报学发展历程，最终在2017年《情报学与情报工作发展南京共识》（简称《南京共识》）的大情报观下达成一致。我国情报学正是在一代代情报学人孜孜不倦的开放性思辨中成长起来的。回顾情报学历程可以发现，虽然学科理论与实践不断发展变化，但情报学在根本任务、研究对象和研究内容等事关学科基本定位的问题上，始终初心未变。

1.1 从情报学起源看情报学根本任务

马费成教授[8]曾从情报学发展历史的角度，将情报学的产生归纳为文献学、图书馆学、情报危机和二战的影响。

情报学起源于文献学。1895年，国际目录学会（International Institute of Bibliography，IIB）在欧洲创立，致力于加工整理人类社会所创造的科学知识；1931年，IIB更名为国际文献学会（Internation‐al Institute of Documentation，IID）。相关工作传到美国后，1937年，美国文献工作学会（American Documentation Institute，ADI）成立。1945年以后，ADI致力于研究情报学问题，1968年正式改名为美国情报科学学会（American Society for Information Science，ASIS）。2000年，ASIS又加入了技术内涵，更名为美国情报科学与技术学会（The Ameri‐can Society for Information Science and Technology，ASIST）。从文献学的发展历程可见，情报学起源于文献学，历经目录学、文献学、情报学、情报科学和情报科学技术的发展演变。

情报学剥离于图书馆学。布什著名论文《诚如所思》的发表被许多学者看作情报学诞生的标志。事实上，该文发表的背景是布什等致力于发展文献技术与应用的图书馆学家，与占主导地位的芝加哥图书馆学派的道路之争，一场“情报学vs.图书馆学”的争论。ADI/ASIS成立后，这些有志于研究图书馆技术问题的学者在这一新的组织中聚集起来，开始走上了一条与芝加哥学派理论主张完全不同的研究道路。由此可见，情报学是现代图书馆学遭遇的来自内部的重大挑战，被认为是图书馆学理论未能利用情报事业发展机会实现自我变革，而从图书馆学中分离出来的学科[9]。

除了与文献学与图书馆学的渊源外，情报学还有其深刻的社会背景。国内外比较一致的观点是情报学正式诞生于20世纪40年代中期[10]。1945年以后，科学技术的快速发展导致科技文献出版物和其他类文献数量激增，产生了“信息爆炸”。情报学正是在提出、测度，并力图遏制“信息爆炸”的过程中发展起来的，并在此过程中产生了具有历史开创意义的索引系统。

回顾情报学的起源与发展，推动情报学产生的是人类对知识的渴望以及通过恰当形式获得恰当知识的美好愿景。为此，情报学面向纷繁复杂的各类信息资源，研究如何通过有效管理提炼出有用的情报。文献学研究的是文献的收集、分类和利用。图书馆学早期也有图书管理学的提法，研究文献、信息和知识的收集、组织、传播与利用。情报学研究情报的搜集、传递、交流、加工和利用。在发展的不同阶段，情报学主要研究对象或有差异，研究重点内容也不尽相同，但面向人类的知识需求有效组织与科学管理各类信息资源是其共同要义。一言以蔽之，无论什么时期，情报学致力于满足人类知识诉求的初心和使命都不曾改变，情报学的终极目标始终围绕人类的情报获得问题，情报学始终以解决人类日益增长的知识情报需求与数据信息资源之间分布不平衡、挖掘不充分的矛盾为学科的根本任务。正如王知津教授所言，情报学的历史使命、根本任务和学科边界不会改变，改变的只是内容、方法、工具、技术、机制和模式等[10-11]。

1.2 从计量学发展看情报学研究对象

计量学是情报学解决情报需求与信息供给之间不平衡、不充分矛盾所给出的靓丽答卷，是最具代表性的情报学学科特色[12]，情报学经典的引文分析方法就是从文献计量学方法范畴中分化出来的[13]。美国情报科学技术学会原主席特鲁迪·贝拉多·哈恩指出，20世纪情报学对世界的首要贡献就是测量了“信息爆炸”，开创了“文献计量学”[14]。为适应新环境和新需求，文献计量学不断调整分析对象和研究范围，从文献信息延伸到网络信息、知识单元和社交媒体数据，发展出包括文献计量、科学计量、信息计量、网络计量、知识计量、替代计量等在内的“三计学”“五计学”体系[15]。

从文献计量到科学计量，文献计量学跳出了基于科研产出分析科研活动规律的初始逻辑，开始研究更广泛的科学产生、传播与利用规律，计量对象从文献拓展至科学行为，研究范围囊括了政治、经济、科技政策等新内容，实现了从科研产出向科学活动的跨越。在信息科学与技术推动文献资源数字化、电子化、网络化的背景下，信息计量学是文献计量和科学计量对象从文献及科学活动等形式载体向科学研究内容深化、具化、内容化的结果。网络计量学的出现使计量的数据源从论文引用延伸到互联网上的链接、下载和浏览等，对网络行为信息进行量化研究，是计量学方法在网络环境下的移植应用。在知识经济背景下，我国学者提出的知识计量学面向泛化的知识概念，计量对象由静态的知识载体转向动态的知识能力[16]。随着社交媒体成为科学研究和学术交流的新平台，替代计量学为传统计量学补充了专注于新型科研环境的测度方法和多元化指标。不同计量学各自的计量对象及其发展演化意义如表1所示。

回顾计量学发展历程可以发现，计量学分析范畴包括科研活动和科研产出两个层面，文献计量学一面锁定科研产出，推动计量对象不断向价值更高的分析单元向深度发展，一面围绕科学活动，不断引导传统科学活动破冰出圈，向网络化、新媒体领域广度发展，纵横联合，呈现出对科学投入与产出的并轨交替性演化趋势。如图1所示，演化链路的下层面向科研产出，其上游面向物理属性，下游面向知识属性；演化链路的上层面向科学活动，其上游面向传统科学行为，下游面向新型科研环境。不难发现，文献计量学的发展演化，本质上是不同科研环境下，分析单元在数据-信息-知识-情报-智慧链（data-information-knowledge-intelligence-wisdom，DIKIW链或信息链）的向上或向下发展，计量从客观到主观，价值从低到高，但各种计量学的研究对象始终是得到所需的情报。作为情报学最具学科特色的领域，文献计量学的发展可以看作情报学发展的一个缩影。放大到学科而言，情报学分析对象可以在情报学核心概念链上游走，但无论具体分析对象是什么，最终目的均指向信息链上的“情报”。情报学的研究对象没有变，也不能变，必须是“情报”。

图1 计量学演化脉络

1.3 从情报学领域看情报学研究内容

情报学发展处处烙印着时代的脉搏，不仅情报学分析对象随着时代发展进行演化，情报学的主要研究领域也极具时代特色，不断适应时代环境和需求的变化，创造和丰富服务内涵。从服务领域来看，从科技情报到社会科学情报、军事情报、安全情报等，我国情报学逐渐从单一领域的情报系统向经济社会领域拓展，演变为综合的社会情报系统[17]。2017年，《南京共识》让“大情报观”重回学科视野，在国家安全与发展的背景下，将情报学不同研究领域相互融合。进入新文科时代，随着数字人文、数据科学、应急安全信息管理等专业的加入，学科版图得以进一步拓展[18]。

情报学研究与实践具有很强的目标性，以现实社会的具体情景为依托，服务于特定情景下不同目的的情报需求[19]。不仅科技情报的工作重心随着研究对象在信息链上游走，历经编译服务、检索服务、知识服务、智能服务的变迁[20-21]，情报学也面向不同的需求场景延伸出竞争情报、战略情报、学科信息学等重要研究领域，全面服务产学研用各类需求。其中，科技情报探索科技工作的发生、发展及其规律，服务于科技决策与科研活动开展；竞争情报研究竞争环境、竞争对手和竞争策略，帮助企业赢得竞争优势；战略情报研究以为高层决策者的战略决策服务为终极目标，强调全局性、战略性和前瞻性；学科信息学通过应用信息科学与计算科学的技术、手段与方法，助力学科发展与领域知识发现。

以时代背景和社会需求为导向，不同情报分支学科应运而生，情报学的主要研究领域不断更迭，情报学的组织方式也在不断发展。情报学领域版图的扩充，既有突破固有藩篱面向不同学科领域的开疆扩土，也有针对特定目的需求的发展延伸。但无论情报学研究的是科技领域、社科领域、军事领域或安全领域的情报，还是以竞争为目的，服务国家战略，面向决策或服务学科的情报，牵动情报学研究领域演化的内核都是情报需求，情报学各分支领域的研究核心正是发现这些不同的情报需求并设法满足。哪里有情报需求，哪里就有情报研究与服务的踪迹。正如中国科学院文献情报系统的发展及其“十四五”规划对自身面向“战略决策一线、科技创新一线、区域与产业一线”的发展定位[22]，也是发现需求、适应需求、满足需求的结果。

2 面向发展转型的情报学研究范式创新

范式是指特定学术群体内部共同接受的一组范例，它规定了共同的发展方向，也限制着共同的研究范围[23]。多年来，基于理论流派、研究领域、研究方法等多种角度，情报学界提出了不同的情报学范式划分体系，但这些范式的命名较为随意，论述相对简单，未能形成普遍的影响力[24]。相对而言，讨论最多的是基于information的信息范式和intelli‐gence的情报范式。在情报学发展转型的关键时期，客观审视所面对的外部形势变化，有助于重建情报学面向发展转型的学科应对，创新学科研究范式。

2.1 数据驱动范式转型

随着全球大科学装置在各科学领域的部署，望远镜、加速器、传感器网络、医疗成像设备、测序仪等各种高通量科研仪器和装置被广泛使用，科研活动及其产生的科技数据呈现爆炸式增长，科学发现继实验科学、理论科学、计算科学之后，转向“数据密集型”新范式。在更广泛的经济、社会领域，随着5G、人工智能、物联网、云计算和区块链等新一代信息技术在各领域的深化应用，数量惊人的追踪设备、摄像头和其他传感器，以及各种算法也将提供海量数据，并催生极为丰富的数据分析理解需求场景。大数据已成为情报学当下最浓重的时代背景，支撑数据驱动的科技、经济、社会发展已成为情报学的时代新命题。

大数据环境不仅让情报学服务对象的需求环境发生深刻变革，也让情报学自身的研究环境面临前所未有的挑战。内外部因素共同推动情报学转型发展，这种数据驱动的情报学发展转型已被提升至学科范式变革的高度并加以讨论。信息范式与情报范式之争更多的是由于目标受众定位不同而带来的研究领域上的差异，两者研究流程基本一致，强调数据、信息、知识、情报的逐级转化。在大数据环境下，情报学发展已然呈现计算化、模拟化、平台化、知识化、智能化、一体化、多元数据融合、方法联合化、结果聚合化和人机融合化等新特征[25]。对数据的组织与挖掘已经成为情报学的重要研究内容，刘细文[26]提出要构建以数据为核心的学科范式，发展并形成以数据管理、数据组织、数据保存、模型与计算、数据服务等为内容的新学科内涵。大数据环境在赋予情报学新内涵的同时，也驱动着情报学范式的适应性变革。

2.2 技术使能范式革新

大数据深刻改变了情报学研究和情报工作的格局，分析处理海量异构数据已非单纯人力所能及，效率问题从以前的优化可选项变成当下的必选题。自然语言处理、机器学习、信息理解等各种先进信息技术为大数据分析困境提供了突破口。在技术赋能下，数据驱动的范式革新成为可能。正如过去，数据存储与数据处理的分离是计算思想上的一个重要创新，它降低了成本，提高了效率，是驱动数据价值挖掘和变现的关键之一。在情报学研究范式的发展创新中，数据与技术是既割裂又整合的，两者共同促进范式转型。大数据为情报分析提供了广袤的待垦沃土，也倒逼情报分析方式、方法改革，驱动情报学研究范式创新，而人工智能等信息技术则是让各种新型情报分析思想与思路得以实现的使能力量，促成情报学研究范式的创新。

在效率视角下，大数据分析困境有自动、智能、智慧三级效率提升需求与方案。首先，需要解决的是定量化、可重复、机器可处理的数据分析工作，借助计算机的运算能力自动处理数据，提高情报人员的分析效率。其次，随着任务的日趋庞大复杂，自动化已不能满足需求，计算本身的效率也急需提升，各种各样的模型应运而生，情报计算开始部分替代情报人员的分析判断，向智能情报发展。最后，更高级的智慧情报，通过学习人类思维模式，在任务理解、计算分析、应用上具有更多的人类智慧。历史经验告诉我们，过分强调信息技术会导致情报学研究的舍本逐末[27]。情报学研究范式的变革既要考虑时代的现实需求并充分利用技术，也需要固本培元强化情报学核心理论与方法研究。

2.3 数据智能促成信息链闭环

在信息时代，情报学研究侧重DIKIW链的下游，信息链上的各环节逐级转化。大数据时代，情报学研究向前、向后双向延伸，向前强调以数据为起点，向后则朝着智能、智慧方向发展。情报学研究面向DIKIW全链条，任何环节都可以是分析的起点，在各种计算模型的加持下，任何环节都可以跨级跃迁直接面向决策、应用，情报工作流越发向多维度、跨越式的方向发展。由于数据向智慧的直接转化，经典的DIKIW链首尾咬合成环，加上信息链上数据、信息、知识、情报、智慧之间的多维度、跨越式转化，DIKIW链内部形成了纵横交错的星链结构，图2为据此绘制的DIKIW星链模型。

图2 DIKIW星链模型

在重塑信息链各要素及其关系、整合而成的DIKIW星链模型中，数据可以经过分析转化成信息，数据可以转化成知识，数据还能通过计算转化成情报，也可以直接借助智能计算模型形成智慧。情报分析起点的多样化拓宽了情报分析发挥作用的可操作空间，数据向信息、知识、情报、智能更直接、更高效地快速转化，大大提高了获得情报的效率。同时，以数据为起点的分析转化有利于发现没有因果关系的潜在关联，以及不容易发现的弱情报信号。

3 关于情报学核心竞争力的思辨

竞争力是竞争主体在竞争过程中所表现出来的力量[28]，学科竞争力是各竞争主体在争取学科发展优势地位方面所具有的不可替代的能力与潜力，以及学科内部竞争主体间的比较优势或差距[29]。由于可比性等因素，常见的学科竞争力分析与评价，通常针对的是学科内部不同科研主体在某学科上的比较竞争优势。本节讨论的情报学核心竞争力是站在学科整体视角，思考情报学相对其他学科而言所具有的不可替代的核心能力。早在20世纪，布鲁克斯就曾竭力说服人们，情报学有其自身非常重要的、其他学科未曾负担起来的任务[30]。与这些学科相比，必须由情报学才能解决的问题是什么？该问题更关乎学科安身立命之本。作为情报学人，本节从经验思辨的视角，对学科核心竞争力展开朴素反思。

3.1 情报分析是核心竞争力吗

信息技术一直是推动情报学发展的重要力量。大数据时代，信息技术在情报学理论与实践中更是举足轻重，有时甚至无可替代。对此，柯平[27]认为，从一开始，情报学最重要的方法就不是计算机或其他信息技术，而是“分析”。耿国桐等[31]亦重申，情报分析是情报学区分于其他学科的重要标志，信息技术的应用只是将情报研究工作者从烦琐复杂的低水平工作中解放出来，绝不是采用工具全面替代人力。事实上，由于信息技术被低水平地引入情报学，导致情报分析被弱化为数据分析，情报学被泛化为一般性的文献、信息服务[3]。那么，情报分析是情报学的核心竞争力所在吗？

情报分析是情报学研究与工作的重要环节，但围绕文献、信息、知识和数据的获取、存储、组织、加工、利用而开展的工作广泛存在于各种以内容为核心的研究或服务中，如人文社科领域研究、新闻行业、咨询公司等。由此可见，情报分析本身是一种普遍存在的社会活动，情报分析能力具有较强的通用性。正如刘永君等[32]在比较情报实践过程与证券交易过程、人类实践过程的异同后发现，情报实践只是人类实践类别中的一种，其不仅具有相同的过程环节，而且各环节具有相同的本质。那么，情报学学科共同体应该凝聚的核心竞争力对学科价值的共识究竟是什么？

3.2 提出情报研究问题的能力

为适应需求的变化，情报学不断拥抱新变化，开拓新疆土。与此同时，情报学时刻面临着来自其他学科的跨界挑战。不仅是情报学所依赖的技术输入类学科，还包括情报学服务的各类学科都不乏逆向跨界研究情报学问题的案例。尤其是信息技术类学科，因掌握着情报学分析所依仗的各类技术和工具的源头供给，可以轻易实现跨界。计算机科学或数据科学等学科的学者对情报学问题开展了跨界研究，由于他们对技术和工具的掌握更娴熟，应用起来往往更得心应手。这部分研究虽对本领域内相关同行构成不小的压力，但更多的是对技术方案的探讨。类似地，终端应用学科的逆向跨界，由于对本领域知识的掌握更为全面、细致，对方法结果的解读往往更精准得当，但通常只是借用情报学方法解决本领域问题。这些研究虽部分替代了情报人员的工作，但往往并不涉及情报学问题研究。

同样，虽然情报分析是各类社会实践中普遍存在的一个环节，但其研究的目的是了解研究背景、事件的始末、不同人的观点、决策所需的信息，解决的是各主体之间信息不对称的问题，而不是研究能解决信息不对称的方法，以及探究通过改善信息不对称可以解决哪些问题。提出一个问题往往比解决一个问题更难、更有价值。一个学科的发展更重要的是方向、思路，是对现实问题和社会需求的准确把握[33]。

情报分析要以明确的研究问题为前提。例如，如何测度交叉学科，如何预测研究前沿，如何评价突破性成果，如何应对重大突发事件，如何培育高价值专利，如何防范数据治理风险，如何支撑科研范式变革，如何促进学术信息交流，如何建成新型智库，如何监测管理舆情，如何识别虚假信息等，发现情报问题并将之转化为情报需求，为此提出特色的情报分析方案才是情报学核心竞争力的逻辑起点。本文认为，2021年安璐等[34]对我国特色情报学基本范畴和核心命题的思考与总结是很有意义的探索，有助于辨明学科内核。

3.3 提升情报获得效率的能力

情报学背后隐藏着一个关键词——管理。从对目录、文献、图书的整理序化管理，到深入内容对信息、知识、数据的分析挖掘，以及情报学对各类信息资源的有效组织与科学分析，管理都是学科背后最朴素的解读。我国情报学专业多数也是设置在信息管理学院，授予管理学学位。而管理的意义在于提升效果、效率和效益。情报学为践行满足人类知识诉求的初心和使命，解决情报供需之间的不平衡矛盾，实现人类对情报的获得这一终极目标，必须全面、快速、准确地解决决策过程中信息不完备的问题[2]，提高情报获得效率。

实际上，科技情报活动本身就是努力提高科学交流效率的产物[35]。例如，20世纪50年代，情报学将文献与科技结合；60年代，重点研究情报处理基本技术；70年代，重点研究情报处理自动化；80年代，重点开发联机系统；90年代，重点开发电子信息系统。无论研究内容和应用领域如何改变，情报学发展各阶段的关键研究内容都与提高情报研究与工作效率息息相关[36]。又如，图书馆学的书目、索引、叙词表等，无一不是为了提高人类的知识获得效率。由此可见，适应场景需求的变化、持续情报提高效率、提供基于效率的高水平情报产品与服务，是情报研学究与情报工作的生命力所在。

为了提高效率，情报学最早将计算机用于处理文献和文献记录，产生了具有历史开创意义的索引系统。为了提高效率，情报学时刻关注先进网络技术的发展形势，积极引入信息化、自动化技术和工具[37]。为了提高效率，情报学积极拥抱大数据，提出将数据作为情报工作的起点，充分利用专业领域的研究数据，探索数据驱动的战略情报研究[38]。为了提高效率，情报学提出构建情报认知模型库帮助情报人员尽快熟悉不同领域[39]。因此，提高情报获得效率是情报学发展的根本动力，也是情报学核心价值的体现。

3.4 交叉融合应对变化的能力

学科是由于人类认识问题的局限性，根据研究对象和领域而人为划分的。当更加深刻的科学问题出现时，单一学科系统显得力不从心，学科开始不断细化并交叉融合。大数据+人工智能技术不断推陈出新，进一步打破了学科界限，促进这一交叉融合态势的发展。情报学作为交叉性学科，必须打破学科壁垒，有效地吸收并融合其他学科的理论和方法，保证情报学理论研究具有更大的创新空间，知识体系能够得到更大的拓展[40]。紧跟科技前沿，及时响应外部环境和需求的变化是情报学优势所在，以开放、包容的心态拥抱变化，并通过多元化交叉融合来应对变化（图3）。

图3 情报学适应环境变化的交叉融合表现

大数据时代，DIKIW星链模型打破了传统的线性流程，情报流程被大大缩短。同时，信息链上的任何环节均可以是情报工作的起点，信息链上任何环节均可以直接转化为情报，情报学研究对象变得复杂多样。例如，不同计量学虽然同宗同源，都是文献计量学在不同阶段的衍化产物，但当前却是五种类型的计量学同台竞技，大数据时代DIKIW链条关系的重塑，是情报分析对象的交叉融合。大情报观下，情报学科内部科技情报、社科情报、军事情报、安全情报等各领域融合发展，相互支持[41]，这是情报学分支领域及其应用领域方面的交叉融合。随着信息化浪潮下“开放科学”和“开放创新”的应运而生[42]，科研主体、科技资源、科研成果、科学交流等科研要素都打破机构界限实现了创新整合，这是科研要素层面的交叉融合。图书情报学界一直积极参与上述各种开放活动，推动全社会对数据、信息、情报资源的获取，也通过学科化服务、信息素养教育等方式促进社会情报能力的养成。

情报学想要争取实现跨界拓展，必须充分发挥交叉融合特性，但交叉融合应该是双向的，一个学科在跨界拓展中理应为所研究的问题增添新的知识[43]，以体现本学科的价值与特色。但一直以来，情报学都是以外界的输入为主[44]，无论理论还是方法，向外界的输出偏少，仅有文献计量学算得上是整个图书情报学最具影响力的对外学科输出之一。情报学要想培养学科的独立性，必须加强学科对外部的知识和方法输出，而输出的前提是坚实的核心竞争优势。

4 关于情报学核心竞争力建设的建议

能力是人的内在素质的外化力量。学界围绕科技情报能力[45-46]和智库能力[47-48]，从情报流程或能力类别的角度梳理了情报学能力建设。例如，张云中等[49]以《南京共识》为分界线，分析了新融合视域下包括知识储备、思维意识、情报技能、研究方法和个人品质在内的情报能力所呈现的新变化。本节围绕第3节探讨的情报学核心竞争力，从学科整体的角度，就进一步培养并保持情报学的核心竞争能力提出浅见。

4.1 夯实情报思想与理论

历经近80年的发展，情报学积累了丰硕的理论研究成果。国外学者较早开展情报学基础理论研究，如经典的离散分布、有序性、相关性、易用性、对数透视等基本原理，以及情报学人耳熟能详的布拉德福定律、洛特卡定律、齐夫定律、文献增长和老化率等基本定律。基于对情报的不同理解，国外情报理论研究形成了不同的流派，其中情报源流派、古典信息理论流派、科学交流派、决策功能派、情报技术应用派、社会传播派、智能过程派、属性结构派、系统理论派及用户研究派等得到了广泛认可[50]。我国学者也在大量吸收国外的研究成果的基础上创立了自己较为独特的视角，形成了二元分类、多元层次、环形结构，如严怡民“理论情报学-情报技术科学-应用情报学”理论、华勋基“理论-应用-技术”理论、卢泰宏SCU规范（早先称为STU规范：source-transfer-user）、刘植惠“宏观-中观-微观”理论等[51-52]。

这些基础理论对后续的情报学研究产生了极大的影响。然而，情报学基础理论在大繁荣之后的持续性突破不多。由于情报学在实践层面有较强的实用性导向，这些经典理论在情报工作实践的应用和指导作用不大，情报理论与情报实践存在双轨并行、各行其是的问题。此外，相较而言，国内情报学理论研究更多的是对国外理论的消化、吸收、再创新，在理论研究链条上，倾向于在后端对理论流派的梳理与理论体系的建构，因此，具有较强的“分类”色彩，未能深入到情报本质开展情报思想与情报基础理论方面的研究创新。

情报学基础理论是关于情报学研究对象、基本问题、认识视角、本质规律的理论，包括情报学哲学基础、基本概念、基础原理、基本定律、学科范式等方面，解决的是情报学逻辑起点的问题。由于情报学理论与实践的脱钩，以及情报工作的实用主义倾向，可以说，情报学思想发展的速度一直落后于技术的发展。这既表现在情报学传统的理论体系难以解释新时代新环境下现实问题的“非常态”困境[53]，也表现在情报学传统理论自身核心理论、学术流派上的割裂现象[52]。

随着时代的发展，情报客观载体在变，情报分析对象在变，情报需求环境在变，情报学基础理论也要适应新时代、新环境、新需求的发展，与时俱进，才能解释各型各类的新情报现象，揭示发展变化的新情报规律，提出贴合时代发展的新情报问题，引导情报学未来发展方向，发挥情报学基础理论理应发挥的作用。正如情报学理论流派的形成与发展是情报学适应外部环境变化的阶段性的产物，情报学基础理论也应不断丰富自身内涵。

4.2 开拓情报思路与方法

情报学缺乏学科特色方法是不争的事实。肖连杰等[54]曾以计量的方法分析了2010—2019年1500篇情报分析文献中的研究方法。从结果来看，除了文献计量（尤其是引文分析）独具情报学特色，学科内部常用的很多其他方法，如社会网络分析、数据挖掘、可视化分析、专家咨询、案例研究、统计学方法等，都源自其他学科。此外，由于情报学对技术保持着高度敏感，借助技术推动学科发展一直是情报学的重头戏。大数据时代，在各种先进信息技术的推动下，情报学重技术引进应用、轻方法创新研究的问题进一步凸显。这一挑战不只情报学有，近年来随着信息技术在各大传统学科获得突破性进展，AI for Science甚至AI Scientists研究都如火如荼。

这里涉及了两个问题，一个是方法，一个是技术。本文认为，情报学方法的核心是实现人类高质量、高效率知识获取的情报分析方法，包括旨在提出并解决情报问题的分析思路，致力于解决情报获得效率的分析方法，有助于提高分析方法效率的分析技术，以及承载分析技术的分析工具。方法的作用是将情报分析思路落地成可执行的路径，而技术的价值在于解放双手，解放科研人员生产力，提高情报分析效率，解决的是分析方法的效率问题。

在情报分析思路方面，20世纪60年代情报学研究对循证方法的引入就是一次思路上的有益尝试。2009年，贺德方[55-56]在国内率先提出了以事实型数据为基础，综合集成“事实数据+工具方法+专家智慧”的科技情报研究方法论，并在2014年融入工程化及系统化的思维提出情报工程的概念，即工程化思维下的情报研究理念和范式。具体情报分析方法层面，我国学者构建了层次说、流程说、功能说、二分说、对象说、时代说等多种方法体系[13]。或由于情报学人序化本能使然，与情报学基础理论研究类似，我国情报学方法理论研究也偏好于体系构建，情报分析方法本身的创新性进展不多。

本文认为，情报学方法广泛借用其他学科、采取“拿来主义”的策略并无不妥。图情领域也不乏“授人以渔”的勇气，如积极投身开放事业，注重信息素养教育，从而提高外界对学科资源和能力的获取与习得。正如上文所述，情报学的核心竞争力在于针对提出的有价值的情报学问题，给出高效率的情报解决方案，只要其他学科的这些方法能够为我所用，帮助解决情报问题，提高情报获得效率。但对技术的偏好要警钟长鸣，过去以及可以看见的未来，技术在推动学科发展上功不可没，但技术本身不是情报学的学科使命，也不是情报学的核心竞争力所在，单靠技术解决不了情报学学科的问题。情报学人要充分发挥分析能动性，不能退行交权给技术，将技术解放的生产力投到更需要的地方，更多地在分析思想、分析思路、分析方法上下功夫，避免被技术替代。

4.3 培养跨界情报人才

情报学具有很强的应用与服务属性，往往会深入不同的学科领域针对性地开展研究与工作。因此，情报学很早就十分重视情报人才的专业学科背景问题，广泛吸收具有专业学科背景的人才从事情报分析服务，开创了独具特色的学科馆员制度。学科馆员的出现，极大地丰富了情报工作队伍的学科配置，深化了各学科领域的情报服务水平，但学科馆员情报能力的缺失问题也日益凸显。情报学是一门典型的交叉学科，不只是不同学科背景的交叉，更应当是不同类型能力的有机融合。学科馆员给情报队伍补充的是专业领域的知识，而非多样化的能力。

事实上，情报素养、情报技能和领域知识是构成情报人才能力的三要素。其中，情报技能包括对各种技术、工具的掌握，领域知识既包括专业学科知识，也涵盖行业或领域知识。情报技能和领域知识均可以是其他学科的，无论是有意识地培养情报人长期性的情报学领域方向或专业学科背景，还是针对性地短期突击具体项目任务所需的背景知识或方法技能，都不触及情报人才能力内核，唯有情报素养是情报能力最核心的部分。情报素养包括上文提到的开展情报思想与理论研究的能力、创新情报分析思路与方法的能力，也包括情报意识、情报感知、情报思维、情报敏感度等。这些目前看上去有些虚的概念，值得研究与培养投入。培养跨界情报人才，既要培养情报学人跨学科的领域服务能力，也要习得跨学科的方法、技能，更重要的是加强学科自身的能力素养教育，提升情报学人的综合情报能力。

5 结 语

大数据时代在为情报学开辟新情报空间、提供新工具的同时，也给情报工作提出了更新、更大的挑战。数据驱动和技术使能趋势下，情报学既享受着时代赋予的机会与红利，也面临着技术和领域的双重挑战。情报学人需对自身核心竞争力有清醒的认识，谋定而后动，准确定位，找准出路。