摘要：[目的/意义]旨在构建具有通用意义的替代计量数据质量评估体系,为后续替代计量数据质量评估实证研究提供参考。[研究设计/方法]梳理了替代计量数据生产流程,识别了与数据质量相关的主体要素,据此归纳总结出评估维度。[结论/发现]构建了以准确性、及时性、复现性、透明性和一致性为评估维度的一级数据质量评估体系,以实现从数值、流程和政策三个方面全面评估替代计量数据质量;构建了每个一级维度评估指标下的二级评估体系,归纳出具体的终端评估维度,并结合已有研究做深入剖析。[创新/价值]构建的替代计量数据评估体系对于替代计量数据质量的管理和提升具有参考价值。

摘要：【目的】对可视分析学的最新进展做全面梳理,探讨其在图书情报学领域的深入应用,以期为后续研究提供参考。【方法】研究比较可视分析学的若干特点,基于VAST会议近5年的论文,从意义构建及合作、文本分析、高维数据可视分析、空间时间分析和应用实例5个方面进行梳理总结。【结果】阐明可视分析学的根本原理和跨学科属性,发现主要从开发新算法、改进现有模型和变换研究角度等方面拓展可视分析学研究。【结论】可视分析学目前围绕意义构建基础算法和设计原则,重点突破文本分析、高维数据和空间时间数据,探索全面应用,是高度面向应用的学科,且应用面非常广泛,虽然还处在发展期,但能为信息服务尤其是智能服务提供方法论支持。

摘要：[目的/意义]通过对科学计量工具的分析比较,为用户选择提供参考,最大化地发挥不同科学计量分析工具的优势,更好地服务于科学计量研究。[研究设计/方法]选取了12款较为常用的科学计量工具,解析了科学计量常规分析路径,从支持的数据来源、可提取的知识单元、提供的数据处理功能、可运用的分析方法、可选择的可视化视图五个方面,对路径下的可用工具进行了比较分析。[结论/发现]大多数科学计量工具只能完成常规路径下的部分阶段,只有少数科学计量工具对所有分析阶段的功能提供了支持;每个工具因其开发的目的不同,在功能的实现上各有侧重,功能相近的科学计量工具中存在冗余;一些工具在某个阶段凸显出了较为明显的优势,在实际的应用中可以相结合的进行选择。[创新/价值]从科学计量分析的实际需求出发,广泛调研了较为常用的科学计量工具,并将这些工具映射到常规分析路径中进行了比较。

摘要：文章通过梳理发现目前国内馆藏资源可视化的五个研究热点:基于本体技术的信息检索可视化和可视化数据挖掘、基于GIS和RFID技术的图书馆可视化信息系统、信息可视化技术在数字图书馆的应用、基于元数据和知识地图的高校图书馆可视化知识服务、图书馆OPAC系统可视化交互设计。按照馆藏资源语义化、聚合和可视化的关系初步构建了基于语义的馆藏资源聚合可视化模式。

摘要：[目的/意义]对人工智能领域科研团队进行识别,并基于多个维度的指标提取领军科研团队,旨在丰富科研团队识别的流程与方法,为从科研团队视角分析人工智能领域脉络、前沿和主题提供依据。[方法/过程]以Web of Science为数据来源,采集2009-2018年间人工智能学科领域所有科技论文的数据,通过算法设计与人工核查进行数据清洗;基于分数计数法构建全局合著网络,并利用社区探测算法动态调参、识别科研团队;进而基于多维度的指标提取出领军团队,并加以比较分析。[结果/结论]从实践出发构造人工智能科技论文数据清洗的规则;构建基于合著关系识别人工智能科研团队的流程体系;提出通过消除边缘结点进行合著网络筛选,进而利用已知团队作为参考进行参数调整的思路;较为系统和准确地识别出全球人工智能科研团队,并基于发文量、被引量、h指数、中介中心度、接近中心度和加权点度中心度6个维度的指标提取出领军科研团队,同时,给出结合论文数据和实证调研对每个领军团队的示例性分析。

摘要：科学的大学评价有利于促进我国高等教育的改革与发展。在以往评价实践基础上,本次评价研究从3个方面进行创新:优化科研产出评价,完善大学分类评价机制,注重大学社会声誉影响。对全国2427所高校的竞争力进行了评价,重点分析了地区教育竞争力排行榜、一流大学竞争力排行榜等8个榜单的结果。研究得出以下结论:我国高等教育发展不均衡,缩小地区差异需循序渐进;一流大学竞争激烈,重点大学的优势地位受到挑战;理工类高校优势明显,民族类、艺术类和体育类高校相对弱势。

摘要：科学的大学评价有利于促进我国高等教育的改革与发展。在以往评价实践基础上,2014年评价研究从3个方面进行创新:优化科研产出评价,完善大学分类评价机制,注重大学社会声誉影响。在对全国2 427所高校的竞争力进行评价的基础上,重点分析地区教育竞争力排行榜、一流大学竞争力排行榜等8个榜单的结果。其结论:我国高等教育发展不均衡,缩小地区差异需循序渐进;一流大学竞争激烈,重点大学的优势地位受到挑战;理工类高校优势明显,民族类、艺术类和体育类高校相对弱势。

摘要：[目的/意义]从地域视角出发,探讨人工智能研究团队的合作及其差异,以揭示跨地域或者地域内科研合作的状态与规律。[方法/过程]以Web of Science为数据来源,采集2009—2018年间人工智能学科领域所有科技论文数据,通过算法设计与人工核查进行数据清洗,从多维角度提取与划分研究团队。在此基础上,按地域划分3种类型合作模式,从对比角度综合分析各模式下团队中的地理位置分布、内部合作指标、合作主题内容3个方面,同时突出中国和美国人工智能研究团队的比较。[结果/结论]研究结果表明:中外人工智能研究核心团队均与科研大国保持密切联系;中国合作核心团体的国内合作依赖度较高,国际合作更有利于跨入核心团队行列;中国国内人工智能合作研究的主题主要表现在数据处理和应用层面,而核心技术层面和基础算法层面需与国外进行合作;中美在国际合作中,均占据重要地位且互为紧密合作对象。