面向科研用戶小數據的微知識服務研究（上）

李立睿 鄧仲華

摘 要：在“互聯網+”環境下，泛在互聯為科研用戶小數據的獲取以及微知識服務的推送提供了便利。文章首先介紹了科研用戶小數據的內涵，辨析了科研用戶小數據與小科學數據的關系。在此基礎上，分析了科研用戶小數據與微知識服務的契合性，據此重點探討了面向科研用戶小數據的微知識服務模式及其典型特征，以及需要進一步注意和解決的問題。

關鍵詞：小數據；科研用戶；微知識；知識服務；科學研究

中圖分類號： G250.7；G252 文獻標識碼： A DOI：10.11968/tsyqb.1003-6938.2016040

Study on Micro-knowledge Service Based on Small Data of Researcher （I）

Abstract It is convenient to access the small data from researcher due to ubiquitous interconnection in the context of “Internet +”. This study firstly introduces connotation of small data of the researcher and compares small data with data of small science. On this basis， it expounds the relationship of small data of research and micro-knowledge services. Furthermore， it detailed analyzes the key pattern and typical characteristics of micro-knowledge services based on small data of researcher. Finally， it discusses some problems which are paid for attention and solved.

Keywords small data； researcher； micro-knowledge； knowledge service； scientific research

當前，隨著“互聯網+”相關技術的發展和以密集型科學數據驅動為主要特征的科學研究模式日趨擴大化和深入化，促使支撐科研過程的知識服務變得愈加趨于精細化和快捷化。僅僅依靠科研用戶主動描述自身需求，并單獨由學科館員進行知識組織和服務，在很大程度上，導致所推送的服務產品過于粗粒度化，而且服務周期長，因此，這一服務模式已經很難滿足新型科研范式下用戶的知識服務期望。因此，如何精準獲取科研用戶實時需求，以前瞻性視角快速進行專業化知識服務的推送，是關系到圖書情報機構服務創新和轉型的重要突破口。不難發現，小數據作為科研用戶的個體化數據，既是科研用戶在研究過程中的虛擬化數據描述[1]，又是其個體獨特性需求的表征，為科研用戶的需求挖掘和預測提供了基礎，通過組建一支跨時空、跨組織的專業知識服務團隊，針對科研用戶具體化和細微化研究問題，發揮微知識的精煉化、通俗化優勢，以知識協同的視角來重組個性化知識推送服務流程，對于提高服務效果是具有重要意義的。

1 面向科研用戶的小數據概念

1.1 科研用戶小數據的內涵

美國康奈爾大學的Estrin教授認為用戶的小數據是其日常行為活動的全部表征，從醫學的視角來看，用戶的日常行為可以作為病理診斷的一種醫學證據，因此，醫護人員可以通過對用戶每時每刻的行為數據進行收集、監測和跟蹤，以分析出用戶在不同時間段的個人健康狀況[2]。就理解而言，小數據是個人信息的虛擬化表示，是通過各種方式（如移動終端、可穿戴式產品、網絡行為監測、視頻監控等）對涉及個體數據的全方位收集，通過對這些不斷累積的數據進行整合，從而為個性化服務決策提供依據?；诖?，科研用戶小數據就是個體研究工作者在項目推進過程中全部行為和狀態的數字記錄集合。從數據本質角度來看，面向科研用戶的小數據主要涵蓋了個體的基本信息、行為記錄、習慣偏好、情緒變化、性格特點、研究問題等，通過對這些數據進行追蹤、收集、分析和應用，可以實現科研用戶立體化和全方位的數據描述。

盡管科研用戶小數據僅僅只是針對個體所涉及的數據集合，但是隨著時間的推移及其項目研究過程的推進，科研用戶所產生的小數據量會變得越來越大，這為支持科研用戶的需求決策提供了數據基礎。如，浙江省圖書館根據讀者借閱的各項原始小數據，并結合時下流行的星座元素，準確呈現了每個星座讀者群體的閱讀偏好和借閱習慣，據此為不同人群進行了定制化的閱讀推薦[3]。

1.2 科研用戶小數據與小科學數據的關系

相對大科學而言，小科學通常是指個體科研用戶或科學小組開展以研究為主要特征的小規?？茖W活動[4]，其研究過程主要包括科研用戶自行設定問題、獨立執行和探索式解決[5]。因此，小科學項目主要解決特定的科學問題，以假設驅動，并且多集中于單一學科，科研資源和人員相對投入較少。在小科學項目的研究活動中所產生的全部科學數據被稱為小科學數據，其中主要包括實驗數據、仿真數據、結果數據等。然而，科研用戶小數據是圍繞個體研究人員而言的，是科研用戶在進行研究活動時，全面描述科研用戶的數據。由此可見，小科學數據是圍繞整個小科學項目，并針對科研問題提出、分析和解決，所產出的科學數據集合，而科研用戶小數據是涉及個體科研用戶的全部行為或活動數據，更加注重以科研用戶為唯一對象的個體性特征數據。在一定程度上，小科學數據是對科學問題的描述，能夠從側面體現出科研用戶的需求，此時這部分小科學數據又可以作為科研用戶小數據集合的一部分，解釋科研用戶的行為模式或者情景變化過程。例如，當科研用戶在攻克項目難題時，針對其中某個具體問題的分析和總結所做的文本記錄數據，既屬于科研用戶小數據，又屬于小科學數據。因此，科研用戶小數據與小科學數據既相互區別，又具有一定聯系，小科學數據可以為科研用戶小數據的采集、分析、處理、應用和決策過程提供支持，提升小數據的價值總量和可用性。

2 科研用戶小數據與微知識服務的契合性

學科的交融與發展，推動著以科學數據為驅動的知識發現和知識創新的科學研究模式產生，這也進一步促使了科研用戶行為和需求的轉變。如今，科學數據已經成為科研用戶的重要研究對象。2008年，Heidorn首次提出了科學數據的長尾理論，并認為，如果將所有的科研項目按照其規模，以從大至小的方式沿著一條軸線進行排列，可以發現，那些較小的科研項目構成了整體科研的長尾[6]。在這一科研長尾上，科研用戶所產生的科學數據通常是趨向于異質并未被系統整合和管理，其行為模式更具有不確定性[7]，這樣導致科研用戶需求也是經常被忽略。然而，與科研長尾上的科研用戶不同，對于開展大規模復雜研究項目的科研用戶而言，在長期的研究過程中，這類用戶所產生的科研需求更加趨于密集型的知識服務內容，以及正式化的溝通反饋方式，因此，這些科研用戶的行為模式通常也具有一定規律性，并已經形成了自身固定的分析問題和解決問題的習慣方式。此外，對于科研長尾以外的科研用戶，其知識服務的需求更加重視系統化和深入化。由于受圖書情報服務機構本身預算和能力的限制，加上處于科研長尾上用戶的需求層次不一，同時具有很大的不確定性，可能部分需求是零散的，這樣導致圖書情報服務機構恰好被忽視了這一部分科研用戶的需求，而主要將知識服務重點圍繞在大型項目的科研用戶上。因此，科研用戶小數據是其全方位狀態的具體表征，能夠高效地分析和獲取科研用戶的需求，為個性化和專業化的服務奠定基礎。

微知識服務充分發揮了微知識和微服務的優勢，一方面，微知識是針對科研用戶在研究過程中所遇到具體問題的答案，具有碎片化、精煉化的特點，與此同時，微知識是將大塊單知識進行分解、萃取，再以問題的形式對其進行深度標引的結果，是經過提純加工的濃縮知識[8]，強調了知識的特質化與細致化；另一方面，微服務是以用戶需求為導向，支持用戶解決具體問題，利用當前快捷的社會化媒體工具（如微博、微信、微視頻、微課堂等），進而實時動態為特定用戶推送個性化服務。由此可見，對于科研用戶小數據的充分挖掘，有利于高效分析科研用戶的實時需求，甚至以前瞻性的視角預測需求的變化趨勢，而微知識服務團隊可以通過全面融合不同層次的微知識庫，發揮自身知識整合處理能力優勢，在分析科研用戶領域知識庫的基礎上，實時為科研用戶提供知識服務，并根據其反饋結果，對微知識庫進行動態化更新?？傊?，微知識服務重視科研用戶的細分，并強調了將各類科研用戶看成服務工作的主體，面向科研用戶的小數據與微知識服務的結合，對于圖書情報機構個性化服務的提升具有重要理論意義和實踐意義。

3 面向科研用戶小數據的微知識服務模式

面向科研用戶小數據的微知識服務重點強化了以單個科研用戶的個性化服務為原則，強調科研用戶小數據的全面收集和處理，通過對科研用戶整個研究過程的行為狀態、角色狀態進行數據描述，以此獲取科研用戶當前知識需求，在服務團隊與科研用戶知識協同的基礎上，以一種全局性的視角對科研用戶的需求變化趨勢進行預測，并結合微知識庫，對知識推送服務產品進行優化，從而多渠道、全方位、多層次滿足科研用戶動態化、碎片化需求（見圖1）。

（1）面向科研用戶的小數據收集是開展微知識服務的關鍵環節。不同的科研用戶在研究過程中，由于其專業背景、認知能力和研究任務的不同，所導致的行為方式、需求層次、心理反應也是不同的[9]，因此，描述科研用戶的小數據集合也是形式多樣、內容各異。如袁靜等[10]認為與用戶相關的信息主要包括用戶基本信息、用戶行為情景信息、用戶社會關系信息。William[11]將用戶的個人信息類型劃分為紙質文檔、網頁、電子文檔、郵件以及引文、鏈接等。李愛國等[12]以學習者信息模型為基礎，將用戶信息按照內容分為用戶基本信息、用戶需求信息、用戶行為信息和用戶反饋信息。綜上所述，筆者通過對科研用戶的研究過程進行梳理，按照描述科研用戶的小數據屬性，將其分為兩類，即具有物理屬性的科研用戶小數據和具有虛擬屬性的科研用戶小數據（見表1）。一方面，微知識服務團隊根據科研用戶的研究任務和問題，以時間維度或空間維度作為參考，對科研用戶小數據的內容進行分類，確定針對科研用戶不同視角的數據描述；另一方面，在科研用戶小數據的同一類別中，將具有物理屬性和虛擬屬性的小數據集合進行全面關聯和聚類，從而形成具有一定邏輯結構的小數據集合。

（2）在初步建立的小數據資源庫的基礎上，以科研用戶需求為導向，對其進行分析處理，從而建立相應的小數據知識庫。其具體過程主要包括：①小數據整合。主要是結合科研用戶研究的時序，將不同載體和形態的小數據進行整理、濾重、轉換等一系列交互活動，建立小數據的規范化表示形式；②小數據挖掘。主要是通過對小數據進行特征分析和提取，圍繞科研用戶的各類具體問題解決過程，利用時序分析方式進行小數據集合的內在關聯挖掘，使之內化為具有高度內聚的集合體；③小數據契合。主要是指通過結合科研用戶實時情景和對應的數據媒介，將關聯后的數據與當前科研用戶情景進行融合，據此生成圍繞科研用戶不同類型和層次需求的數據鏈，這些不同的數據鏈可以從多樣化視角來描述科研用戶的需求狀態。由于科研用戶的同一需求事實或需求規律可以隱藏在不同數據鏈中，不同的數據鏈也可以揭示同一需求事實或需求規律的不同側重點，因此，這為判斷科研用戶的需求強度提供了契機，也為服務團隊有意識地融合多樣化數據鏈提供了保障；④小數據監護。主要是指小數據的維護和管理，一方面，由于科研用戶的小數據集合是隨著時間而不斷累積的，進而需要對數據進行實時的更新和管理；另一方面，科研用戶在研究過程中，可能會因為突發事件，導致其在某一層面上科研任務的中斷，此時服務團隊需要對小數據鏈進行偏差的糾正以及缺失數據的處理，以此保證各個小數據鏈的完整和統一。

（3）基于小數據知識庫的科研用戶需求獲取和微知識服務推送。小數據知識庫作為一種特定形式的數據知識庫[13]，是科研用戶特征知識空間的集合，可以充分展現科研用戶在時間維度和空間維度的需求視圖。服務團隊可以結合科研用戶的實時情景狀態，對小數據知識庫進行交互的同時，對需求特征知識進行再挖掘和再利用，這樣能夠深入地感知科研用戶的知識需求，及時的預測用戶需求的變化趨勢，從而利用自身的專業技能和學科優勢，有針對性的提供個性化微知識服務。與此同時，根據科研用戶的研究需要以及相同或相似層次其他相關研究項目或人員的研究現狀，通過與科研用戶進行協同，構建特色化的微知識庫。其中微知識庫是以專業領域知識庫為基礎，并結合不同層次的科研用戶在不同類型的研究過程中的學科化知識，通過對這些復雜知識進行分解、提取和重新組織，進而呈現的一些碎片化科學問題解決方案知識庫。此外，在微知識服務推送過程中，一方面，由于微知識已經具有獨立功能的“模塊”，服務團隊可以充分利用這些“模塊”根據需求將其進行有機的組織或串接，以完成特定功能的高度內聚化的知識形式，在對微知識庫進行不斷更新、完善和管理的同時，并協同專家知識和能力，可以在短時間內以最靈活的服務方式為科研用戶提供相應的專業化知識服務，以此充分利用科研用戶的碎片化時間，提升科研用戶的體驗度。

4 面向科研用戶小數據的微知識服務典型特征

4.1 全方位的用戶需求呈現

科研用戶在不同的研究階段，其知識需求的產生、發展是一個漸變的過程，盡管這些需求可以通過科研用戶的情景狀態、行為模式以及科研任務而以不同的角度呈現出來。但是，在不同的時刻，這種表現力強度也是不盡相同，在不同程度上，會體現出相關關系、因果關系，甚至會產生矛盾，而且在短期內，科研用戶的需求可能表現出零散性和不確定性，因此服務團隊難以系統掌握科研用戶需求，而且即使服務團隊感知到了此類需求，也會花費大量時間，這樣縮短了服務內容的選擇和服務產品的優化時間，導致服務滿意度偏低。鑒于此，面向科研用戶的小數據作為其全方位的數字描述，通過對小數據的整合、分析和處理，無論是從時間維度，還是空間維度上，服務團隊都能夠在短時間內準確獲取科研用戶的需求及其相關變化情況，尤其是在研究過程中的學科知識需求，并據此不斷優化微知識庫，為科研用戶微服務提供基礎。

此外，科研用戶的研究活動雖然在總體需求趨勢上，會體現出一定的規律性和可預測性，但是隨著科研用戶項目進展的深入，以及自身專業背景和認識能力的影響，在特定環境下，對于一些涉及跨學科或跨領域的細致化專業問題的微知識需求，會呈現出隨機性和復雜性。但是通過科研用戶小數據的融合，對某些不確定的需求，可以借助服務團隊與科研用戶的協同溝通反饋，以對小數據進行系統化梳理和層次化整合，排除具有干擾性的影響因素，從而促進科研用戶需求全方位、多層次的挖掘和呈現。

4.2 個性化的專業服務推送

在整個服務流程中，從科研用戶小數據的收集、分析以及需求獲取都是圍繞個體科研用戶而展開的；在服務方式方面，微知識服務是以微知識庫為基礎，以科研用戶的專業知識需求為出發點，以協同互動為手段而進行的專業化服務；從服務內容來看，微知識庫是以科研用戶及其研究任務為導向而構建的動態知識庫，是把傳統的龐雜學科知識進行再分解、深萃取，并根據科研用戶的專業項目問題，對微知識進行系統組織、深度標引，最后結合科研用戶研究情景，經過服務團隊的綜合評估，最終推送于用戶的精煉化知識產品；從服務主體來看，整個服務團隊具有跨學科的專業背景，包括學科館員、數據館員、信息專家等，這些服務人員能夠以知識協同的方式，對服務于科研用戶的微知識進行吸收、擴展、組織和管理，大大優化了服務流程，保證了專業化的微知識服務質量；從服務方式來看，服務團隊根據科研用戶的細微化和個體化特征，結合科研用戶的興趣偏好，利用社交媒體、移動網絡等微服務工具，采用綜合化信息手段，進行適合于科研用戶的差異化服務推送。因此，微知識服務充分發揮了服務團隊的協同能力，通過運用相關的微服務技術手段，對龐雜的文獻資源、網絡資源等進行系統化的分析和組織，針對研究環境的轉變，注重科研用戶的體驗，從而為其快速準確地推送即時化、碎片化的微知識產品。

4.3 實時化的動態反饋跟蹤

在面對數據密集型科研范式的環境下，微知識服務是為特定科研用戶提供的細微化、個體化和差異化的數據或知識服務，其充分借助了移動技術、網絡技術和全媒體技術的優勢，嵌入到科研用戶的研究環境，實現微知識庫的動態構建以及個性化服務的實時推送。因此，服務團隊與科研用戶的協同反饋和實時跟蹤體現在科研用戶的整個研究生命周期中，并表現在：①小數據收集過程中，除了獲取科研用戶日常的網絡數據和智能設備的感知數據之外，服務團隊需要對用戶進行交流，獲取關于科研用戶心理狀態、研究經驗以及目標計劃等相關具有隱性特征的數據，同時在服務推送過程中，需要時刻跟進服務進度，通過科研用戶反饋，評估微知識服務的效果和效率；②小數據分析過程中，小數據集合作為挖掘科研用戶潛在需求的基礎，必須與科研用戶的期望目標緊密結合，包括短期研究目標和長期研究計劃，而服務團隊對科研用戶的密切協作，實時跟蹤科研用戶當前所處情景狀態的服務模式，為服務期望的確定提供了保證；③微知識服務流程中，服務的過程其實是科研用戶與服務團隊深入交互的過程，其中全面的交流和溝通是必不可少的環節，另外，圍繞科研用戶微知識庫的全局化構建，也是在實時化服務反饋跟蹤過程中，知識協同作用的結果。不難發現，與科研用戶的深度溝通、動態反饋是提升服務滿意度的關鍵舉措，而借助微知識的精簡性、專業化和便捷化的傳遞方式，無形將反饋跟蹤嵌入到整個研究活動中，提升了服務的效度。

5 需要注意和解決的問題

由于小數據集合是科研用戶知識需求的客觀表現，而對這些小數據集合的處理是一個多層次、多維度的分析和管理過程，服務團隊必須以跨學科的視角來對這些不同類別的小數據集合進行整合、關聯、評估等；另一方面，微知識服務在傳統知識服務的基礎上，更加強化了知識的粒度化和個性化，而如何根據科研用戶需求，把控知識的粒度層次，也是在服務實踐必須克服的。因此，在整個微知識服務的推送過程中主要有以下關鍵問題需要進行關注和解決。

（1）科研用戶小數據的全生命周期管理?！盎ヂ摼W+”及其相關技術的發展，不僅深刻影響了科研用戶的行為方式和研究過程，而且正在改變科研用戶的思維理念和決策模式，因此，科研用戶小數據是其情景化需求的最主要表現，需通過對這些零散的小數據進行全面收集，進而將不同來源的數據依據不同的時間點和空間點進行有針對性的濾重、篩選、關聯和融合。如，在小數據融合過程中，可以圍繞科研用戶的一個研究問題或一個研究時間段，從關聯級融合（包括數據映射、異構加權、數據濾重、數據更新等）、特征級融合（包括數據集成、屬性分析、特征提取、特征關聯等）和需求級融合（特征分類、特征聚合、特征挖掘、態勢判斷等）對小數據進行逐層遞進的分析，挖掘不同生命周期階段的小數據特性[14]。不難發現，如何從小數據的產生、發展和演變的全生命周期視角進行分析和管理，從時間和空間維度挖掘科研用戶的需求產生根源及其變化方式，從而預測科研用戶的潛在需求，是值得繼續研究和探討的。

（2）科研用戶小數據的安全保護。小數據是科研用戶個體特征化的全面描述，涵蓋了科研用戶的虛擬行為數據和現實活動數據，而這些數據直接關系到科研用戶的個人隱私問題。然而，科研用戶小數據的質量又是分析和獲取科研用戶隱性知識需求的基礎，直接影響了微知識服務的整體效果，因此，如何平衡科研用戶的小數據與隱私安全之間的矛盾，提升小數據的價值密度和安全程度，是個性化微知識服務必須解決的問題。對于這一問題的解決，可以根據國家相關法律規范或標準，針對科研用戶的隱私敏感層次，建立科研用戶小數據的保護協議和規范，其中應該包括小數據的采集目的、防范計劃、問責機制等一系列保護機制。

（3）微知識的粒度化表示。知識粒度是對知識不同細化層次的度量，因此對知識粒度粗細進行調整實質上是對非結構化的知識進行分解和重構的過程，有利于知識的形式化表達[15]。而微知識是服務團隊根據科研用戶的需求，經過深度萃取、精煉化之后的高質量知識形態，不難發現，服務團隊對微知識的處理過程即是知識的粒度化表示，通過對微知識進行不同視角和不同層次的粒度化表示，既能避免微知識粒度過粗導致服務產品的模糊化，又能防止微知識粒度過細引起科研用戶的問題解答效率過低的現象。因此，服務團隊如何根據科研用戶需求，對其中所涉及的問題進行分解，并從不同的知識粒度層面進行分析，進而保證微知識的粒度能夠恰當地滿足當前用戶的需求狀態，對于提升科研用戶的專深化和個性化服務的效果具有重要意義。如，服務團隊可以根據不同的知識粒度化規范（如文獻標引規范、知識表示規范、知識融合規范等），以科研用戶的情景化需求為導向，對微知識粒度進行不斷優化，同時通過本體或語義網絡描述的方式，進行微知識服務產品的組織、轉化和表達。

6 結語

就科研用戶而言，其科學研究更加趨向知識協作化、數據密集化和智能計算化，這樣導致與此相應的知識服務的反應時間更加突出實時性和動態性，知識內容更加強調精煉性、高密度性和易吸收性，在知識推送方式更加重視快捷性和多樣性。然而，面向科研用戶小數據的全面收集和深度挖掘為服務團隊分析科研用戶行為、獲取科研用戶需求以及預測需求變化趨勢提供了強有力的支撐。此外，基于微知識庫的服務推送能夠充分發揮新型社會媒體工具的優勢，利用微知識易于理解、易于吸收的特征，避免了知識的重復性組織和處理，極大降低了知識服務的周期，有效改善了科研用戶服務體驗，對于圖書情報機構個性化知識服務工作的開展提供了新思路，具有重要的參考價值。

參考文獻：

[1] 馬曉亭，陳臣.基于可信小數據的圖書館個性化服務研究[J].圖書情報工作，2015（1）：85-88.

[2] Estrin D，Thompson C W.Internet of You： Data Big and Small[J].IEEE Internet Computing，2015，19（6）：8-10.

[3] 陸祝政.2014年度浙江圖書館讀者閱讀“小數據”[J].圖書館研究與工作，2015（2）：9-12.

[4] 熊志軍.試論小科學與大科學的關系[J].科學學與科學技術管理，2004（12）：5-8

[5] 申丹娜. 大科學與小科學的爭論評述[J].科學技術哲學研究，2009，26（1）：101-107.

[6] Heidorn P B.Shedding light on the dark data in the long tail of science[J].Library Trends，2008，57（2）：280-299.

[7] 楊平，田野.長尾數據共享研究進展[J].圖書情報工作，2014，58（8）：133-138.

[8] 侯志江.微知識服務——問答式網站的啟示[J].圖書館建設，2015（3）：77-79.

[9] 鄧仲華，李立睿.面向科研的嵌入式知識推送服務研究（上）——產生、環節與內涵[J].圖書館雜志，2015（7）：19-23.

[10] 袁靜，賈聰聰，李思藝.高校圖書館情景敏感服務中的用戶隱私保護研究[J].圖書館，2015（1）：73-77.

[11] William J.Personal information management[J].Annual Review of Information Science and Technology，2007，41（1）：453-504.

[12] 李愛國，汪社教，孟祥保.圖書館用戶信息模型框架構建[J].圖書情報工作，2015，59（13）：13-19.

[13] The Edinburgh University.Data Repository：DataShare[EB/OL].[2015-11-13].http：//www.ed.ac.uk/ schools-departments/information-services/services/research-support/data-library/data-repository/definitions.

[14] 李立睿，鄧仲華.“互聯網+”背景下科研用戶的小數據融合研究[J].圖書情報工作，2016，60（6）：58-63.

[15] 馮琴榮，苗奪謙，程昳，等.知識的劃分粒度表示法[J].模式識別與人工智能，2009，22（1）：64-69.

作者簡介：李立睿（1989-），男，武漢大學信息管理學院博士研究生，研究方向：信息組織與知識服務；鄧仲華（1957-），男，武漢大學信息管理學院教授，博士生導師，研究方向：信息組織與信息系統。