大数据时代学术评价的数据化难点及其应对

发布时间：2021-09-03 01:14

　　[目的/意义]大数据时代的学术评价数据化,是指对有关评价的学术活动进行全面记录、存储、统计并形成有价值数据的过程,这是支撑对学术生态中各类对象的质量或水平做出判断的必要环节。数据化是实现"基于大数据的学术评价"的前提。[研究设计/方法]本文对相关文献、概念和实践进行归纳分析,探讨了大数据时代学术评价数据化的难点及其应对策略。[结论/发现]数据化的难点包括数据缺失或"隐形"、数据难获取、数据质量低、数据化成本高、数据化意识不足。应对策略包括3个方面,即搭建学术评价数据化的基本框架、变革学术评价的体系和流程、制定学术评价数据化的关键策略。[创新/价值]数据化是当前学术评价急需却缺乏系统研究的一个领域,也是本文选题和观点的主要价值所在。 

【文章来源】：现代情报. 2020,40(11)CSSCI

【文章页数】：8 页

【部分图文】：

传统和数据化之后基于大数据的评价流程对比


本文编号：3380106