随着社会的发展和计算机的普及，传统的数据存储方式已经不能满足越来越大的数据存储量了，大数据时代也到来了。本文是一篇电子科技论文范文，主要论述了大数据环境下关于情报学发展的思考。
摘 要：文章从情报学学科体系的角度出发，从理论情报学、应用情报学、技术情报学、管理情报学四个方面展开思考，分析了大数据环境下情报学的发展趋势。
关键词：大数据时代,大数据,情报学,学科发展
作者简介：刘艳朵(1987―)，南开大学商学院信息资源管理系硕士研究生。
大数据趋势产生的深层原因是海量数据的存在和越来越多的事物是以数据形式存在的。随着计算机技术全面融入社会生活，我们的工作、生活，甚至国家经济的发展都受到了大数据的影响，现在人们已经意识到了大数据的重要性。在大数据时代因素的推动下，情报学的理论研究、研究方法以及情报学技术等都将做出新的改变，趋势预测性情报的分量将继续加重，情报产生中的跨界合作将增强，但现在我们对大数据环境下情报学的发展研究还远远不够。
1 大数据的内涵及基本特征
1.1 大数据的内涵
按照维基百科的定义：大数据是指所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息集合。研究机构Gartner的定义：大数据是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。麦肯锡的定义：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。
现在越来越多的领域开始关注和研究大数据，这是因为大数据涉及不同的学科领域，人们从不同的角度、不同的科学领域出发，对大数据的定义进行了诠释。到目前为止，大数据尚未形成统一明确的定义。笔者认为，大数据的“大”不单单是指数据的量很大，还指数据无时无刻不在急剧增长，数据的形式纷繁多样，另外，数据的覆盖面很广泛，数据之间交互频繁，数据之间相关关系复杂，这些都是大数据“大”的表现。
1.2 大数据的基本特征
业界有人将大数据的特征归纳为“4V”，即数据种类繁多(Variety)，数据体量巨大(Volume)，数据生成和处理速度快或理解为流动速度快(Velocity)，至于第四个“V”，有人的理解是价值密度低或者理解为数据的价值日益突现(Value)，也有人认为大数据具有真实性(Veracity)的特征。笔者更赞同的是Volume、Velocity、Variety、Value四个特征。虽然业界也有很多人赞同上述四个特征，但是对大数据特征含义的理解却不尽相同。笔者认为，大数据具有以下特征。
1.2.1 数据的体量巨大。据麦肯锡全球研究院(MGI)估计，2010年，企业的磁盘中存储了超过7EB字节的新数据;用户在个人PC机和笔记本等设备上的新数据存储量也超过了6EB字节。2011年全球的数据量达到18Z。体量巨大是大数据的首要特征。
1.2.2 数据生成速度快，并且数据实时变化迅速。在这个信息化的时代，数据时刻在产生，比如银行交易、淘宝购物、购买车票、打电话、检索资料等，这些行为都可以以数据的形式呈现，而且数据呈指数级增长。此外，数据是实时变化的，人们对数据的处理速度也提出了更高的要求。
1.2.3 数据种类的多样性。现在大数据涉及的领域非常广泛，数据的种类也趋于多样化，数据会以数据文本、数据库、图片、动画、音频、视频，甚至是以日志文件、网页、电子邮件等多种形式呈现在人们的面前。随着信息技术的不断发展，新的数据来源和数据形式也在不断地出现。
1.2.4 数据本身的价值密度低。大数据时代，各种数据的生产速度非常快，研究员要在冗余的信息中发现其价值并不容易。
2 大数据时代情报学发展所面临的机遇与挑战
2.1 大数据时代情报学发展所面临的机遇
2.1.1 为情报学研究提供丰富的数据资源支持。情报学中的很多研究方法都是建立在大量数据的基础之上，在这个网络化和信息化的时代，人们时时刻刻都在以各种各样的方式生产着不同类型的数据，如前文提到的图片、动画、音频、视频、日志文件、网页、电子邮件。大数据时代的到来为情报学的研究提供了丰富的数据资源。
2.1.2 完善情报学学科技术。大数据时代将继续催生很多新型的产业，基于大数据的数据信息收集、存储、处理、分析、挖掘技术都是这个时代的产物，例如云计算、移动互联网、物联网、文本挖掘、意见挖掘、中文分词和NLP自然语言处理、神经网络算法、网络分析SNA、数据可视化等。这些技术也为情报学的学科技术研究打下了基础，甚至很多技术都可以直接被用到情报学研究中，如云存储技术、云计算技术等，在大数据时代，这些计算机互联网技术都可以为情报学研究所用，它们很好地完善了情报学学科技术。
2.1.3 大数据将助力情报学新的研究范式和方法论。在大数据时代，人们所面临的数据不仅仅体量巨大、类型多样化，而且它们还在以惊人的速度生长并发生着实时的变化，这些都对情报学的研究方法提出了新的要求，因此对情报学研究方法而言，唯有创新才有出路。以前，人们通过研究获得准确的情报并供人们使用，而在大数据时代，情报学将在研究方法上做出改变：情报学的研究方法可以转向研究数据之间的相关性，并根据数据之间的相关性得出预测性情报，以供人们决策使用。
2.1.4 扩展情报学的学科研究和应用领域。大数据时代，在多种因素的影响下，情报学的研究内容和范围不断扩展。在这个信息化的时代，情报学的发展离不开信息技术和网络技术的支持，情报的获取、存储和处理都会涉及与其他学科的交叉合作。比如，在大数据时代，人们的隐私急需得到保护，因此，信息政策和法律法规必将是社会科学研究的一个重要方向，这也将是情报学与其他学科跨界合作的新领域。
2.2 大数据时代情报学发展所面临的挑战 2.2.1 价值密度低，获取有效信息难度加大。数据信息是情报学研究的重要基础，但在大数据时代，一方面数据的体量巨大，要想从中获取对所研究主题有用的数据信息不是一件易事;另一方面数据的种类多样，不仅包括部分结构化数据，还包括图片、音频、视频等多种形式的非结构化数据。此外，在大数据时代，数据信息是实时变化的，这些都加大了情报工作人员获取有效信息的难度，这是情报学发展中应该重视的一点。
2.2.2 情报学学科研究技术有待进一步开发。在这个信息技术高速发展的时代，情报学技术的发展形势不容乐观。由于情报学知识结构的限制，情报学很难培育自己的情报网络技术，情报学很多技术都是采用拿来主义，把其他领域的技术直接运用到自己的学科研究中，但是在大数据时代，为了保证大数据的价值，必须对数据进行快速有效的处理，而我们现有的情报采集、分析、挖掘、处理等技术已经不再适应现在巨量、多样化、实时变化的大数据环境。
2.2.3 情报学科呈现泛化发展趋势。随着社会的发展，情报学的发展环境也在发生着巨大的变化，情报学是一门综合性的学科，在情报学的发展过程中，会出现其研究内容与其他学科交叉的现象。一方面，这种现象使情报学可以从其他学科获取理论、技术等多方面的支持，在一定程度上促进情报学的学科发展;另一方面，在信息和网络技术高速发展的大数据时代，这种与其他学科的“跨界研究”将会使情报学的学科泛化趋势更加明显，从而会导致“过界研究”，处理好“跨界研究”和“过界研究”的关系，将成为文献信息工作者面临的一个重要任务。
2.2.4 数据信息的管理问题将是一大挑战。大数据时代，传统的数据管理方式不再适用，在数据来源、数据处理方式和数据思维等方面都会带来革命性的变化，如果在情报学研究中对数据信息管理不当，甚至可能带来情报安全危机，因此数据信息的管理问题也将是对情报学的一大挑战，相应的情报道德规范、情报政策、信息法律法规等是必要的。此外，反竞争情报的研究分量也将加重。
3 大数据环境下情报学的发展展望
情报学这一学科的发展离不开情报学的相关理论、应用、技术及情报学管理这几方面的内容，情报学学科体系主要包括理论情报学、应用情报学、技术情报学、管理情报学四个方面，下面笔者将从情报学学科体系角度对大数据环境下情报学的发展进行探讨。
3.1 理论情报学的发展
3.1.1 就情报学内涵而言，在大数据环境下，情报学的内涵将更加丰富。一个学科在发展过程中往往会受到不同的环境、技术等因素的影响，在大数据时代，数据信息类型呈现出多样化的特征，情报学的研究对象也相应地从单一的、结构化的文献信息转向了复杂多样的非结构化的数据，因此，大数据将在一定程度上丰富情报学的内涵。
3.1.2 就情报学方法论而言，情报学的学科方法可以充分发挥大数据的优势，发现和利用数据信息的相关关系。在大数据时代，数据信息体量巨大，并且很多数据都是以碎片化的形式存在，情报学可以通过利用数据之间的相关关系拓展出新的情报学研究方法。以情报学研究方法中的文献计量学方法为例，很多学者利用这个方法对某个数据库中某一学科领域的文章发表情况或者文章内容进行统计分析研究，假设我们把某个数据扩大到某一学科领域相关的所有数据，或许我们会有新的发现。
3.1.3 情报学学科理论研究泛化。情报学是一门综合性的学科，在情报学的发展研究中，很多内容会涉及计算机和网络技术，甚至社会化媒体对情报学的发展都有很大的影响，在这种情况下，企业情报学、经济情报学、军事情报学、情报行为学等这样的情报学分支和交叉学科应运而生，这都是情报学学科泛化的表现，大数据将带来新的研究领域、技术和方法，情报学学科理论研究也将继续呈现泛化趋势。
3.2 应用情报学的发展
3.2.1 情报分析预测与情报甄别的分量加重。预测是大数据的核心，在大数据的环境下，情报学可以充分利用大数据带来的新技术。一方面，大数据时代的数据价值密度低，信息冗余量大，这对情报学的情报甄别是巨大的挑战;另一方面，可以从多角度发现并挖掘数据之间的线性关系和非线性相关关系，并在此基础上进行情报分析预测，为研究和决策服务。
3.2.2 重视情报用户的需求，向咨询业进军。情报是可以直接使用或者直接用于决策的，情报应用中更应该以用户为中心，情报用户的需求不是简单的信息收集汇总或是信息堆砌，而是经过深层次的加工处理，直接为用户提供可供用户做决策使用的成熟的、智能的知识，情报学应该向咨询业进军。
3.3 技术情报学的发展
3.3.1 大数据时代的数据信息数据量大。大数据时代的数据信息数据量巨大、来源广泛、种类繁多、实时变化，并表现出碎片化的特征，这给情报的存储和采集技术提出了要求，情报的存储技术将在容量大的前提下，增加存储数据的类型，开发新型的数据采集技术、数据挖掘技术及多媒体检索技术。
3.3.2 大数据环境下更注重数据之间的相关关系。情报学在这方面的研究技术还相当薄弱，研究大数据之间相关关系的数据模型和情报分析技术有待开发。
3.4 管理情报学的发展
3.4.1 大数据时代个人隐私有被二次利用的危险。在经济利益的诱惑下，情报学研究也会涉及个人隐私，为了规范情报的管理，情报学学科发展中有必要从情报伦理和情报政策与法规两个方面规范情报的管理与研究。情报道德规范、情报职业规范、情报素养以及相关的情报政策、信息法律法规都将得到人们的重视，并相继出台或完善。
3.4.2 情报学的发展离不开人才支持。情报学是一门综合性的学科，从目前形势来看，情报学相对比较缺乏技术上的人才。在大数据环境下，情报学一定要抓住契机，注重人才在学科发展中的作用。
4 结语
大数据将广泛影响到我们的生活，它将重塑我们的生活、工作以及思维方式，目前，大数据分析思想已经推广到了多个学科领域，大数据也为情报学的发展开辟了一条崭新的道路。虽然大数据与其他新技术一样，必然要经历技术成熟度曲线，但是情报学的发展不能过度依赖大数据，成为大数据的奴隶，而是应该让大数据为情报学发展所用。总之，我们应该勇于面对、勇于创新，迎接大数据带来的挑战。
参考文献：
[1] 陶雪娇，胡晓峰，刘洋.大数据研究综述[J].系统仿真学报：增刊，2013：142-146.
[2] 朱东华，张嶷，汪雪锋，等.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理，2013(4)：172-180.
[3] 黄晓斌，钟辉新.大数据时代企业竞争情报研究的创新与发展[J].图书与情报，2012(6)：9-14.
[4] 宗威，吴锋.大数据时代下数据质量的挑战[J].西安交通大学学报：社会科学版，2013(5)：38-43.
[5] 彭兰.“大数据”时代：新闻业面临的新震荡[J].编辑之友，2013(1)：6-10.
[6] 何非，何克清.大数据及其科学问题与方法的探讨[J].武汉大学学报：理论版，2014(1)：3-12.
[7] 沈浩，黄晓兰.大数据助力社会科学研究：挑战与创新[J].现代传播，2013(8)：13-18.
[8] 夏蓓丽.“‘2008’网络环境下的情报学发展研讨会”综述[J].社会科学，2008(12)：180-181.
电子科技论文发表期刊推荐《电力电子技术》是我国唯一的国家级电力电子刊物，也是电力电子学会的会刊，面向国内外公开发行。它创刊于1967年，经过四十多年来的风风雨雨，在社会各界同仁的关怀下，已成长为我国电力电子领域里，集理论与应用于一体，具有较高知名度的权威性刊物，它对我国电力电子技术发展起到至关重要的传播、引导与推广作用。被国家定为“中文核心期刊”和“学位与研究生教育中文重要期刊”。
