2.3 基于科技计划项目数据的计量与评价

随着数据开放运动的不断深入，可以通过各种途径获取科技计划项目相关数据资源，使得利用科技计划项目数据为研究对象的科学计量分析逐渐成为新的研究热点。一些研究者首先针对科技计划本身的特点进行分析，例如，Nature评论文章“Follow the money”[18]通过追踪项目基金的方式，关注全球纳米科技方向的科技计划基金资助产出的成果在规模、效率、趋势、合作模式以及影响力方面的变化和特点。赵星等[19]通过收集科技项目/基金资助的物理学SCI论文数据，研究科技计划项目提供资金的资助特征，为科技计划项目的特征研究开拓了新思?rffy等[20]针对匈牙利的Momentum计划，关联汤森路透中收录的受资助论文，对该计划的资助情况进行了项目绩效分析。另一些研究者则基于科技计划项目的题目、关键词、摘要以及全文，开展前沿发现、主题演化分析等方面的研究。梁伟波[21]基于美国的NSF资助项目名称和摘要中的关键词，借助Citespace软件分析国外物流研究的重点领域和热点主题。赵蓉英等[22]以2001—2012年国家基金项目为视角，通过对基金项目的类型、负责人、机构及研究主题等进行学科热点分析等[23]通过从论文致谢中提取资助信息，分析基金资助情况，并探讨了使用这种计量方法的可行性与局限性等。这些研究者对科技计划和基金资助信息研究方法的探索，为形成科技计划项目大数据的分析模型打下良好的理论和实践基础。

3 分析模型及方法

本文从科技管理改革与实践的要求出发，以科技管理过程中涉及的科技计划项目大数据为分析对象和基础，构建涵盖“数据层—方法层—应用层”的科技大数据分析模型；形成针对多源、异构科技大数据全生命周期的处理流程，完善以需求驱动的数据治理、问题定义、维度构建、指标选定、应用建模的一套方法；最终面向科技计划管理中用户的多元需求，形成符合用户社会属性、技术属性、管理属性与经济属性方面特定服务场景的情报分析产品和决策支撑工具。科技计划项目大数据的分析方法模型如图1所示。

图1 基于科技计划项目大数据的分析模型

如图1所示，多源异构科技数据的获取、分析、加工、关联、融合等全流程是实现数据支撑应用决策的基础，同时也将会影响整个科技管理与决策全流程。一方面对于科技计划项目数据的形成、处理和分析要从顶层的用户需求出发，重点针对科技管理工作中的管理者、科研人员、机构用户等，根据用户需求的特点和要求对底层数据的状态、内容和结构进行优化与调整，同时不断充实基于数据的分析方法和各类面向业务的动态指标。另一方面，从底层的数据出发，在科技计划管理的过程中不断积累数据资源，根据相应的数据标准、数据处理规范进行数据组织、展示，围绕科技计划管理业务情况，抽提相关的分析内容与视角，开展动态评价与多维度的特征计量分析，最终形成一个针对科技计划项目大数据的分析模型，并提供数据服务与应用，不断拓展应用场景，为顶层科学决策提供量化支持与科学实据。通过数据与需求相互匹配与适应的循环最终形成全流程关联、响应、反馈的决策支撑响应模式，如图2所示。

图2 面向需求的数据服务响应模式

3.1 数据层：多源科技计划项目的数据融合与处理

数据处理是分析模型的重要基础，整个科技管理全流程会产生海量科技计划项目大数据，以国家新五类科技计划项目实施为例，其管理全流程中主要包含两类数据：一类是管理业务数据，例如项目申报数据、项目立项数据、项目过程管理数据(年度检查、中期检查数据等)、项目产出数据(论文、专利、图书、科技报告数据等)等，以及与项目产生关联的各类对象与主体的数据，如机构数据、人员数据、团队数据、经费数据等。另一类则是科技计划项目涉及的技术内容数据，如项目申请书中包含的技术指标、方法体系、工艺流程等。这些数据在积累过程中呈现出来源广泛、更新频繁、内容复杂、格式多样的特点，因此分析科技项目大数据的首要任务是在计划管理全流程中通过数据采集、数据清洗、特征分析、聚类归纳等步骤将数据格式、结构、内容的表达与描述等进行系统化和规范化处理，从而保障后续数据分析工作的顺利开展。相关数据关联模型[24]可以参考RO、CREIF、Fedora、EDM、DoDAF等国内外主要数据建模方法，围绕科研人员、科研机构、计划项目、成果产出等数据对象，利用实体识别、语义关联等技术对上述相关数据的系统化处理，按照科技计划管理的特征进行再组织、再揭示，实现多源异构科技计划项目大数据资源体系的基本融合。

文章来源：《地质科技通报》 网址: http://www.dzkjqbzz.cn/qikandaodu/2021/0121/526.html

上一篇：企业创新驱动下的科技情报服务模式研究①
下一篇：中国能源化学地质工会四届三次全委会议在京召