基于科研用户情境感知的嵌入式知识服务研究(二)--以地学领域科研用户为例_地球科学论文

基于科研用户情景感知的嵌入式知识服务研究(下)——以地球科学领域科研用户为例，本文主要内容关键词为：科研论文,用户论文,地球科学论文,为例论文,嵌入式论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       在信息不断泛在化的今天，地球科学已经进入到了典型的数据密集型时代[1]，其传统的基于人工观测记录数据为研究对象的研究模式，随着数据量的剧增而发生改变，地球科学领域科研用户的研究过程逐渐转向以数据为驱动来进行知识发现。此外，地球科学领域覆盖学科多，涉及范围广，注重全球性、跨领域的协同研究，促使科研用户对数据和信息需求具有多变性和综合性的特征。为实时感知地球科学领域科研用户需求，高效推进地球科学领域科研用户研究进程，向其提供人本化的嵌入式知识服务的必要性就显得尤为突出。

       1 地球科学领域科研用户的知识服务需求

       地球科学(简称“地学”)是以地球系统(包括大气圈、水圈、岩石圈、生物圈和日地空间)的过程、变化及其相互作用为研究对象的基础学科，并逐渐向以地球系统整体研究的地球系统科学发展[2-4]。然而，地学领域科学数据呈现指数级增长，发展规模和学科跨度的进一步增大，具有了显著的大科学特征[5]，这必然对知识服务提出了更高的要求。

       1)地球过程的研究依赖于海量的科学数据，强调应用现代观测、探测、实验和信息技术对基本科学数据的系统采集、积累与分析。密集型数据已成为地学领域的主要组成对象，以网络为基础的数字化数据资源正在改变地学科研用户的研究行为，如何满足其研究模式的转变，以及支持错综复杂数据背后规律的深度挖掘的知识需求，这些问题对传统的知识服务范式提出了挑战。

       2)空间技术、地球内部探测技术、实验技术以及信息技术的广泛应用，使前沿研究与高新技术发展融为一体，使一系列针对地球科学难题的国际研究计划应运而生[6]。地球科学领域前沿性的凸显，对支持地学科研用户敏锐洞察前瞻性科学问题的服务能力提出了更高的要求；另外，全球性地学科研团队合作的深度化和规模化，对支持全方位地平衡地学科研用户的研究能力、研究资源和研究过程[7]，是传统知识服务模式必须克服的障碍。

       3)地球系统的整体行为涉及地球各圈层的相互作用，其自然系统中的物理、化学、生物过程和人文因素影响交织在一起[8]，表现出极强的复杂性。与此同时，地球过程及其相互作用具有极强的系统性，全球性与区域性、宏观与微观、地球环境与生命过程等研究紧密结合，决定了注重同现代科学技术各有关学科之间的交叉，而地学科研用户的学科知识具有一定的局限性，如何根据不同层次的地学科研用户及其独特的研究特征，从多学科的视角进行分析、跟踪和比对，成为知识服务团队必须面对的问题。

       2 地球科学领域嵌入式知识服务团队的作用

       1)提供前瞻性视角。服务团队中对地球科学领域有深入了解的学科专家具有一种战略的眼光，能够站在一定的高度看待整个研究项目，对研究过程有一个完整的认识，同时能够快速准确收集和提取地学领域前沿性相关问题的情报信息；结合信息分析师的整合与挖掘，为地学科研用户制定合理的科研计划，辅助科研项目管理，使科研活动按照计划顺利进行。

       2)采取客观性态度。嵌入式知识服务团队始终以一种独立于地学研究项目限制之外的角色来服务于地学科研用户，排除了研究项目与自身利益的关系，同时，能够以客观公正的态度看待项目研究过程和进展。在领域问题和项目的推进过程中，知识建构师能够明确每个阶段要为地学科研用户提供的主要服务类型，在对密集型数据处理时，能够充分发挥本学科的研究方法优势，为用户构建知识图谱，提供相关文献的分析成果，保证信息分析的严谨性，从而引导地学研究过程的科学性。

       3)融入综合性思维。地学科研具有典型的大科学特征，涉及多学科的研究，其研究的成员也是由拥有多学科背景用户组成的。一方面，嵌入式知识服务团队能够充分起到黏合剂的作用，促进多层次科研用户的协同；另一方面，能够利用情报学科的优势，归纳多个学科对于地学科研数据研究的共性认识，而不只局限于某一特定学科的研究模式。根据不同层次科研用户的偏好，从多维角度启发其开展研究工作，这种跨学科综合性思维极大地促进突破性发现。

       3 地球科学领域科研用户的情景要素与情景感知分析

       3.1 地球科学领域科研用户的情景要素

       对情景信息进行系统分析有利于知识服务团队主动建构用户偏好模型，有利于形成学科化知识结构，有利于展开协同反馈交流。地球科学的科研用户情景是指用户通过地学仪器相关设备平台，在从事研究活动过程中有关的条件、背景、环境、经历等，是开展地学研究活动的重要基础[9]。鉴于此，地学科研用户的情景信息应包括：①所处的位置、时间、实验仪器设备等物理环境信息。②当前研究课题相关群体等人际网络信息。③当前或历史的资源处理、服务接受形式等行为环境信息。④研究目的、研究方法和研究过程等内容环境信息。

       然而，对于情景要素的构成，学者们给出了不同的解读。最典型的是Schilit 1994年的3类情景要素，包括计算情景、用户情景和物理情景[10]；而D.Kotz在Schilit的基础上又增加了两类情景，分别是时间情景和情景历史[11]；A.Dengel等人的情景要素则由信息对象、运行情况、组织方面、环境、历史、注意、行为、原因6个方面构成[12]。针对地学领域的研究具体实践，笔者借鉴H.Lieberman等人的观点[13]，并综合情景感知系统研究、图书情报领域研究，将地球科学领域科研用户情景要素主要分解为6个方面，见表1。

      

       3.2 地球科学领域科研用户的情景感知分析

       地球科学是一门非线性的、复杂的科学[14]，既具有科学问题的复杂性和学科的多样性，又存在地质事件和科学实验的难以重复性，无疑科研用户应具备更高的信息素养，因此，只有在充分掌握地学科研用户情景要素的基础上，针对个体用户研究过程中的状态集合进行分析，才能对地学科研用户信息需求进行感知，满足研究过程中的个性化、专深化、集成化和协同化的信息或知识服务。

       1)偏好感知过程。地学科研用户的领域背景(如学科方向、领域偏好)、认知偏好(如阅读习惯、视觉偏好)、认知经验(如领域经验、交互经验)、能力度量(如学习能力、联想能力)不同，即使对待同一地学问题，地学科研用户的反映各有差异。因此，地学科研用户的个人信息情景对其偏好有着显著性影响。与此同时，地学科研用户的偏好与兴趣有着直接的关系，鉴于地学是由地核、地幔、岩石圈、大气圈、水圈和生物圈组成的统一系统，具有很强的关联性，导致地学科研用户容易受到某关联事物的影响，临时产生突发兴趣，甚至短时间内与稳定的、占主导地位的长期兴趣产生冲突[15]。而兴趣的趋向与大小直接影响着相关的信息量需求，从而影响用户的偏好向量。基于此，在充分分析地学科研用户情景要素的基础上，构建了偏好模型框架，见图1。

      

       图1 用户偏好模型框架

      

       图2 基于地学领域科研用户情景感知的嵌入式生命周期过程的知识服务内容

       2)心理感知过程。心理感知能够界定地学科研用户关于处理问题过程中情绪的动态变化规律。一方面，根据历史情景，进行时序模式分析来掌握地学科研用户的研究状态，如查询信息过程中对于无关信息发生的频次及其引起用户态度的变化，同时测试地学科研用户对于入侵、打断等信息骚扰事件的心理承受能力[16]；另一方面，根据地学科研用户资源处理情景获取其所面临问题的属性，结合对应的接受服务情景，跟踪其问题的解决状况和进展，并与期望目标及进度对比，以此判断地学科研用户的心理状态。

       3)关系感知过程。关系感知能够描绘地学科研用户研究过程中面临的问题、人、时间等之间的关联性。由于地学科研问题的复杂性与特殊性，用户往往需要通过合作进行信息的搜寻和交叉学科知识的碰撞，鉴于此，根据不同层次地学科研用户的知识交流模式即可梳理合作的关系。首先，根据个人信息情景，分析地学科研用户的兴趣、研究背景以及历史承担项目来获取以往的交流合作关系，构建用户个人专业联络网、个人兴趣聚合网和个人查询咨询网；然后，基于社会关系情景，理清组织架构，结合当前研究问题或项目的具体现状，关联属性(如时间维度、研究成员信息)来进行信息检索，挖掘频繁使用或评价高的信息，并评估信息的真实性，梳理其相互关系，构建个人科研协作网；最后，基于信息行为情景和处理资源情景，通过网页、研究文档、讨论组进行关联链接分析，确定主题词及其关联主题图，构建虚拟社区用户交互网。

       4)目标感知过程。目标感知能够洞察地学科研用户研究过程中的短期目标和长期目标。短期目标主要是指对于具体问题及其衍生的相关问题解决的目标，对于短期目标的感知，可从两方面进行：①在确定地学科研用户偏好基础上，通过分析用户的博客、学术社区、SNS等来确定用户需要解决的问题及相关的信息或知识需求。②在确定地学科研用户心理的基础上，通过分析以用户为中心的学术网络来明确用户的当前任务，获取其面临问题的信息需求。对于长期目标的感知，通过地学科研用户的合作网络、项目的研究文档以及子任务的关联分析来进行感知。

       4 地球科学领域科研用户情景感知的嵌入式知识服务过程

       4.1 基于地球科学领域数据生命周期的服务过程

       地球科学领域的研究是一个依赖数据分析和处理的过程。其中主要的数据来源：①大型实验数据。各种实验涉及多学科、多领域和大规模高通量的数据，如高灵敏度和高准确度(包括微粒、微量、纳米级和超微量)的分析测试系统。②传感器数据和卫星遥感图像数据。通过分布在不同位置的传感器对所处环境和资源进行感知，不断生成数据，由于长时间累积所产生的海量数据，如高分辨率的观测和感知系统。③移动终端数据。移动互联的不断发展，地球科研用户能够灵活实时地获取、复制和上传各类数据，并对这些数据动态分析产生的数据。鉴于此，现代地学科研逐渐形成了以数据为驱动发现知识研究模式，如英国地质学家C.Lyell根据现今所能观测到描述的地质现象，地质作用规律的海量数据，反推地质历史时期时间发生的特点、条件及大致的演化过程[17]。

       笔者以数据生命周期为基础，将知识服务团队嵌入到科研全过程中，对地学科研用户研究情景进行实时感知，针对用户研究问题及其所处环境来确定需求，并通过信息析取和重组，帮助用户形成或找到解决方案，见图2。

       地学科研用户数据需求感知包括两个阶段：①利用情景化传感器、情景化触发器和情景观察器获取情景要素信息，对科研用户的偏好、心理、关系、目标状态进行全面感知。②在充分获取地学科研用户情景信息的基础上，根据数据生命周期的不同阶段，分析用户当前数据处理情况，对比历史情景信息库，借助匹配引擎和推理引擎感知地学科研用户的实时需求。

       1)原始数据整合和组织。在数据采集阶段，嵌入式知识服务团队对来自于数字科学仪器和传感器数据进行调查研究，并参与地学科研用户对数据的采集过程，进行数据的组合、预处理和聚合，为地学科研用户识别可用过程(即物理、化学和生物学所决定的综合现象加以解释的数据分布形式)提供支持。

       2)校正数据和规范化。在数据验证阶段，由于地球演变的过程是不可逆的，现在并不是过去的简单重复，而是既具相似性，又有前进性，这必然会受到历史数据和观测设备的影响。嵌入式知识服务团队一方面通过与地学科研用户沟通，排除环境因素对原始数据的影响；另一方面，对历史数据进行筛选并进行标准化，与实时感知的数据合并，保证数据的规范化与易用性。

       3)数据模型构建和挖掘。在数据分析阶段，根据全球范围的长期、持续、同步观测(卫星和地面观测)而建立的全球变量信息库，来确定现有数据的基本变量[18]，嵌入式知识服务团队立足于地学科研用户数据变量需求，通过对问题的研究现状与趋势信息进行收集、分类、组织和识别知识，然后采用聚类方式找出各知识结构间隐含的关系或联系，从中匹配支持用户模型的知识，保证模型的准确性与科学性，促进数据背后规律的挖掘，进一步揭示状态变量的合理组合及其之间的主要依存关系。

       4)信息提取与总结。在数据可视化阶段，重建地球演变过程中过去环境记录的检验模拟结果，大量地学数据集的各个属性以多维数据的形式表示，地学科研用户能够从不同维度观察和分析数据，一方面，通过数据可视化的平台，嵌入式知识服务团队能够方便的与地学科研用户协同沟通，发现用户的需求；另一方面，知识建构师能够通过与地球科学学科专家的联合，对用户的数据研究和分析过程进行跟踪比对，进行信息重组与提取。

       5)知识分析与获取。在知识发现阶段，嵌入式知识服务团队能够运用自身对信息分析的优势，充分挖掘不同层次地学科研用户的隐性知识，然后进行总结归纳，采用跨学科思维的方式开展信息分析，从而发现知识。

       4.2 基于地球科学领域项目生命周期的服务过程

       地学领域项目生命周期包括项目选定、项目规划、项目实施和项目结题，嵌入地学科研项目的知识服务团队根据不同层次用户情景信息，感知项目生命周期每个阶段的实时需求，为其提供推送服务，见图3。

       地学科研用户项目需求感知贯穿项目的整个生命周期，对地学科研用户的需求进行感知与获取，由两个阶段组成：①通过对地学科研用户情景要素分析，获取其实时的情景信息。系统经过偏好感知、心理感知、关系感知和目标感知后，对所有信息进行整理、排序和归类。②根据项目生命周期情景推理过程，识别用户需求。将各个层次地学科研用户的需求进行分类和整合，从而识别整个项目组织需求，知识服务团队结合项目的推进情况，实时提供专业化服务。

      

       图3 基于地学领域科研用户情景感知的嵌入项目生命周期过程的知识服务内容

       1)评价与预测性关联知识推送。在地学项目选定过程中，由于地球科学是复杂、巨大、多维、宽时间尺度的综合体，地学科研用户对研究问题趋势的了解和思路的梳理愈显重要。嵌入式知识服务团队一方面通过当前现状的调查和相关问题的数据集分析挖掘，向地学科研人员提供其研究发展前沿与趋势的预测性研究成果；另一方面，分析国内外当前类似项目组的科研状况与进展，评价其优势与劣势，为地学项目的选定提供参考性和建设性建议。

       2)方案规划信息参考咨询。在地学项目规划过程中，由于地球科学融入地球系统的整体性(内部、深部、表层、空间)和系统性(各圈层耦合关系与变化过程)，将知识服务团队嵌入到项目规划中，不仅有助于地学科研用户能对项目在一定程度上有整体性和全局性的把控，而且有利于地学科研用户与知识服务团队的沟通，形成优势互补。同时，知识服务团队以地学科研用户需求为导向，通过多层次的探讨，采用相应的工具，提供个性化的参考咨询，保证地学项目规划的科学性。

       3)过程管理与知识重构。在地学项目实施过程中，针对密集型地球数据公共平台[19]，如地球仿真、数字地球、可视地球、虚拟地壳实验室、地球管理信息系统等，利用海量信息分类聚类、抽取要点和发现关系，来分析揭示地学科学数据背后隐藏的知识结构。而通过对地学领域知识网络的重构，进行趋势分析、问题鉴别和路径探索是知识服务团队的优势。利用这一优势可以减轻地学科研用户的负担，使其能够集中精力于自己的研究领域。此外，在实施过程中遇到的困难，嵌入式知识服务团队可将实施情况与规划对比，关注偏差，实时采用相应的服务方法辅助地学科研人员分析原因，提供可借鉴的解决方案。

       4)专题信息关联性管理。在地学项目结题过程中，由于地球科学(包括地理学、地质学、气象学、海洋学、生态学等)门类繁多，地学科研团队时间空间跨度大，对研究过程中按照传统方式对数据的整理和保存提出了挑战。然而，嵌入式知识服务团队可以作为整个地学科研项目组的一员，一方面依据数据生命周期全面分析整理并记录地学科研用户的数据处理情况；另一方面依据研究生命周期细致总结各阶段研究成果，并将相关的数据、信息和知识进行关联、回溯与保存。

       5 结束语

       地学领域科学研究转变成了数据密集型科学知识发现，科研人员的需求亦随之而变，因此，研究构建针对地学科研数据、模型工具以及大数据挖掘平台，支持跨区域、跨学科和跨团队的协同研究，满足其研究需求的知识服务模式，对于促进地球科学领域科研创新是非常重要和迫切的。另外，由于成本、技术和人员素质要求等限制，深层嵌入地球科学领域的知识服务模式在国内还很少见。但是，毫无疑问，面对全新科研范式带来的强大动力，作为以用户情景感知获取需求，为提供个性化知识服务而形成的一个特殊模式，运用于地球科学领域的重大科研项目，将是大势所趋。

标签：地球科学论文;  嵌入式论文;  用户分析论文;