超越数据洪流:第四研究范式下的社会科学研究数据基础设施

发布时间：2021-09-01 03:42

　　在信息技术快速发展的背景下,科学研究信息化和科学数据的结合推动了科学研究第四范式——数据密集型科学发现的产生,并促进科研数据管理进入一体化、共通共用的发展阶段。但是,社会科学研究的信息化（e-Social Science）与社会科学科研数据管理却未引起学界太多的关注,存在理论研究和经验总结的滞后性。为更好地推动社会科学研究范式的转型,借鉴自然科学研究信息化和科研数据基础设施发展经验,本文界定了社会科学科研数据基础设施的概念与内涵,并在此基础上提出社会科学研究与数据管理组合生命周期模型和社会科学科研数据基础设施框架模型,并对上述两个模型框架实施需要的保障条件进行了简要论述。 

【文章来源】：学海. 2019,(03)北大核心CSSCI

【文章页数】：7 页

【部分图文】：

基于eSS的科研与数据组合生命周期模型

社会实验平台;数据应用层，则提供接入或反馈社会问题的操作界面。由于社会科学研究对象的复杂性，以及大数据环境下学科融合的发展趋势。使得社会科学数据来源具有多元性的特征，既有传统社会科学研究所使用的文本(文献)数据、也有各类智能终端或传感器产生的时空大数据、行为大数据和属性大数据。各类数据存储在异构多源环境中，要对其进行识别和采集，就需要对数据源进行甄别和管理。在eSS环境和面向知识的社会科学研究，拟通过构建研究问题的大数据知识源聚合网络进行解决。通过研究问题(对象)的领域本体，构建数据采集的信息参照集，从而覆盖与之相关的所有数据源，便于根据研究设计制定线上线下结合、大数据与小数据结合、多类型数据聚合的数据管理计划。因为数据海量异构的特征，社会科学研究数据采集层较为复杂，并且呈现出种类繁多、碎片化和多变化特点。数据采集涉及调查问卷数据、文献(文本)数据、智能终端数据、传感器数据、空间大数据、社会媒体及UGC数据等，这是由于数据来源与存储的差异性造成的。数据采集需要根据研究设计和数据管理计划进行，不同来源的数据其存储、调配、传输以及用途需要差别对待。如网络社交媒体数据，既可以短期存储在研究团体或机构知识库中，也可以存储于更大范围的数据档案馆或数字图书馆中，其用途可以用以验证因果假设，也可以用以计算、仿真，发现相关性。同时，数据采集层需要多种设备与工具的组合应用，要注意数据的互操作性、信任性以及数据获取的成本(可获得性)。数据分析层则为社会科学研究提供分析方法、仿真工具和实验平台，统计分析、数据挖掘、内容分析、


本文编号：3376218