知识分析及其应用发展趋势研究，本文主要内容关键词为：发展趋势论文,及其应用论文,知识论文，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。
中图分类号：G350 文献标识码：A 文章编号：1007-7634(2010)07-1100-08
目前，尚没有关于“知识分析”的明确定义。哲学意义上的“知识分析”旨在探究和回答“何为知识”这一经典命题。在此，对“知识分析”的探讨和界定的基点是：一，着眼于知识分析的功能与应用；二，将其置于情报研究视角。基于此，尝试将“知识分析”定义为：在战略研究和决策咨询层次上，服务于科学技术发展的情报研究活动，涉及其理论、方法、技术及研究主体(具体分别对应于情报研究理论、情报计量学、情报研究技术及以科技思想库为代表的情报研究机构)。
人类知识体系迅速拓展与空前进步导致人类自身对科学与技术发展测度难度的日益加大。而科学与技术的进步必须建立在被准确测度的基础之上，因此承担科学与技术测度使命并最终服务于科学技术进步的“知识分析”发展的关键作用愈发凸显。
伴随科学技术的迅猛发展，知识分析及其应用也在迅速推进，知识分析理论、方法、技术平台以及研究机构等不断涌现。在此背景下，把握新形势下知识分析及其应用的发展方向，明确未来知识分析研究重点，对于推进我国知识分析核心领域的发展具有积极意义。本文基于对知识分析重点领域即情报研究理论、情报计量学、情报分析技术及科技思想库等发展态势的系统扫描，按照知识分析之理论基础→方法基础→技术基础→最终应用的脉络，从情报研究理论、情报计量学、情报分析技术及科技思想库等四个方面对知识分析当前的发展态势及其未来发展趋势予以系统阐述，以期对我国知识分析以及新形势下情报研究之发展提供有价参考及借鉴。
1 知识分析理论基础——情报研究理论发展趋势
作为知识分析重要理论基础，情报研究理论的发展不仅决定着知识分析的战略层次和高度，而且也是知识分析能力走向的重要指引。
从学科构建来看，自20世纪50年代以来，情报研究经历了从最初的信息检索、一般信息组织层次到多学科理论及方法整合直至高度系统化的发展历程；从理论及应用来看，情报研究从规律探索、理论模型构建、技术实现、一般应用及交叉应用发展到系统应用；情报研究的服务功能则从文献信息服务、一般决策及战略决策支持向系统决策服务延伸。
当前，受科学与技术发展新形势的促动，情报研究的这种系统化发展又体现出新的特点与趋势：
1.1 应用驱动的情报研究
为应对科学技术和经济社会发展中的现实问题，情报研究愈发表现出受实际应用驱动的特质并日益为解决科学技术及社会经济发展中的现实问题提供重要的决策支持。
1.1.1 专门应用驱动
在应对科学与技术发展问题时，情报研究主要面向专门学科或技术形成情报研究的专门应用并进而形成情报研究同该学科或技术相融合的交叉学科。
继为医学发展提供重要信息及理论支撑的医学情报学之后，生物信息学又在破解生物遗传信息特别是人类基因组密码方面发挥了重要作用，目前国际情报研究又开始向纳米技术、生物安全与监测、计算机犯罪等领域并正在形成相应的新兴情报学分支学科(如反恐情报学)。
生物安全与监测国际研讨会(Biosecure)于2006年发起并成立，致力于推动情报学与计算机科学在国际公共卫生监测与生物安全领域的交流与融合以引导新的具有高影响力的创新研究。2008年生物安全与监测国际研讨会(Biosecure 2008)将作为国际疾病监测学会第七届年会的预备会议于2008年12月2日在美国举行。本届会议的两大焦点是：基于技术与政策视角的面向卫生监测与生物安全的实时数据共享技术；面向生物安全与监测的系统技术与算法[1]。第四届生物安全与监测国际研讨会(Biosecure 2009)计划于2009年9月在中国台北举行。
首届亚太国际计算犯罪及计算机法研讨会“PACCF”于2008年6月在中国台湾举行，有关计算机犯罪的分布式数据处理及数据挖掘、E-discovery等被列为重要议题[2]。
1.1.2 综合应用驱动
在面向经济社会等复杂重大问题时，与多学科协同，情报研究形成其综合应用并进而形成相应的交叉学科。
9·11事件之后，国家安全与反恐为全球所关注，受此影响，情报学最新交叉学科“情报与安全信息学”创建被迅速推进。情报与安全信息学主要关注同地区、国家和国际安全有关的先进信息技术与系统的研究，旨在通过一种同时整合技术的、组织的以及基于政策的方法来展开对涉及国家安全的先进信息技术、系统、算法以及数据库等的使用及开发研究。科学家们认为，通过积极的情报与安全信息学的研究将有助于促进知识发现与传播以及加强法律与政策执行机构、研究机构、各级部门以及产业界之间的跨界信息共享与合作。通过该学科，相关理论以及诸多计算机与信息科学技术被重新验证的同时也将在数据挖掘、可视化、知识管理以及信息安全技术与系统等方面取得新的重大突破[3]。
与此同时，旨在促进社会研究和人类社会动力学发展的“社会计算(SOCO)”研究新领域兴起，它将目标定位于“实现基于社会情景的现代情报学与先进通信技术的融合”从而为情报学发展提出了更高要求。首届国际社会计算研究会议(SOCO 2008)于2008年6月在中国台北成功举行，社会网络及社会信息管理、社会网络与基于代理建模、e-commerce等成为热点议题[4]。即将于2009年6月8日在美国达拉斯举行的第二届国际社会计算研究会议(SOCO 2009)将在首届会议基础上，就目前社会计算研究及应用现状、研究所面临的关键技术挑战以及未来发展机遇展开深入研讨。
1.2 创新驱动的情报研究
面对国际科技竞争加剧的新形势，发达国家纷纷推出旨在刺激创新的新发展战略，受此影响并为迎合科技发展的前瞻性，情报研究面向科技发展的决策支持愈发表现出受创新促动的前瞻态势，情报决策支持服务方式发生重大转变。
1.2.1 前瞻性科技评估及管理
为维持自身的引领地位或竞争优势，以美国为首的科技优势国家开始倡导具有前瞻性的科技评估及管理。其中最具代表性的是美国、欧盟等国家和地区的开展的对研究卓越性(Research Excellence)的评估及管理。
研究卓越性有两个层面的含义：一是就研究本身的研究层次的“卓越性”，针对具体的科研活动，强调研究的前沿性和引领度；二是科学及科学体系层次的“卓越性”，针对整体科学发展，强调研究体系(包括研究技术及研究基础设施)的先进性。
面向上述不同层次的研究卓越性的全新的评估及管理机制已经开始建立。对研究卓越性的评估及管理均是过程性的，即涵盖研究过程的主体要素和过程要素，包括事前评估和事后评价；评估机制为内部评估与外部评估相结合；整个评估过程是动态且持续的；评估方法则以多方专家评议及用户参与的方式取代了单一的同行评议。
目前，美国NSF已着手建立卓越研究及科技的评估标准与体系并将其纳入对国家实验室的评估[5]。新西兰[6]、挪威[7]、欧盟国家(如荷兰大学协会(VSNU)[8])、北欧应用研究合作组织(NordForsk)[9]也已展开了对研究及研究机构的卓越性评估及管理。
1.2.2 创造性科技评估及管理
作为社会进步的原动力，创造力成为国家发展不可或缺的关键要素，特别是在国际竞争新格局下，促进创造力的提升更成为国家战略的重要组成部分。因此，对研究的创造性(Research Creativity)和创造性科技的评估及管理正在成为高级情报研究和决策支持的重要内容。
研究及科技的创造性关注研究及科技的革新性、突破性、跨界性及其所产生的最终效益预期，因而对创造性科技待评估及管理同创造性研究本身一样具有前沿性和高风险性。从评估过程来讲，创造性科技评估强调对研究主体要素和研究外部环境的评估；评估方法主要有建模法、社会网络分析、文献辅助评估及以专家评议为主的综合评估方法。
美国NSF率先启动了有关创造性科技评估及管理的SciSIP项目并成立了“创新高级评价(Advancing Measures of Innovation)”工作组[10]；欧盟的NEST/CREA项目分别对纳米技术和人类基因研究两个领域的研究成果展开了创造性评估[11]；爱尔兰科学基金会(SFI)[12]、英国工程学理事会(ECUK)[13]也已提出了研究创造性评价的相关标准及模式。此外，有关创新研究[14]以及科技评价方法与模型[15-16]的研究也成为政策及情报研究的新热点。
1.3 政策驱动的情报研究
政策驱动的情报研究是指具有政策目标指向或研究结果具有政策影响的情报研究。其研究体系的建设尚处于探索阶段，这之中以英国推行的所谓“循证决策与实践(Evidence Based Policy and Practice，EBPP)”为代表。
EBPP是循证医学原理的跨界应用，目前已为英国政府决策所采纳并重视。同时，随着EBPP被美国、加拿大等其他国家的接纳，EBPP的应用领域也已逐渐扩展至教育、社会发展及城市规划等多个领域[17]。
在英国经济和社会研究理事会(UK ESRC)的支持与资助下，社会科学循证评价的网络及首个EBPP中心正在建设。同时，国际上两个主要的系统收集、总结和传播证据的协作网Cochrane和Campbell也已建成。2008年7月主题为“循证决策：实现科学与政策相契合的国际最佳实践”的首次循证决策国际会议成功在荷兰阿姆斯特丹召开。会议指出：谋求全球可持续发展之路的关键在于找到科学与政策之间的最佳结合点以摆脱目前政策制定同学术研究之间不相一致的现状，为此，全球范围内的信息、数据及经验交流极为重要。大会的首要目标是召集全球战略政策制定专家、政策研究专家、政策研究协调人士、公共知识管理专家以及政策制定的数据支持方共享循证决策制定的成功经验，共商国际循证决策研究发展之路。此次会议的各主要议题分别为：政策知识组织、思想库与顾问委员会的作用、借助知识代理和知识流通的知识利用以及全球层面的循证决策中的知识利用、科学与决策的契合、循证决策在不同领域的实践[18]。
EBPP值得借鉴之处在于其方法的规范性、评估的系统性以及决策过程的高透明性。
2 知识分析方法体系——情报计量学发展趋势
情报计量学是知识分析定量方法的基础，情报计量学进展直接关系到知识分析的效力的提升及其功能的实现。
从20世纪20年代末文献计量学出现以来，关于信息、情报、网络等科学计量研究先后兴起并不断完善。从情报的角度，可以将这些研究归为情报计量学学科体系。受网络发展及情报媒介革命的影响，情报计量学体系已从基于传统文献向基于网络和基于复杂介质扩展，其研究对象由结构化向非结构化转变；在发展方向上，微观与宏观并举。
2.1 理论体系的深化
情报计量学理论体系发展沿着两大轨迹运行：原有理论的延伸及新理论的探索。
2.1.1 原有理论的延伸
主要是对情报计量学三大基本定律(布拉德福定律、齐普夫定律和洛特卡定律)的拓展研究，包括新环境新背景下三大基本定律的适应性研究、三大定律的应用拓展以及基于网络环境的三大规律的探讨。
2.1.2 新理论的探索
情报计量学理论所取得的新突破主要集中于三方面：
(1)引文规律新发现。荷兰、英国等国学者先后完善了对引文的“科学沉睡”现象的解释并提出了该规律的数学模型[19-20]，从而实现了对加菲尔德预言的科学验证。
(2)科学评价基本指标体系的变革。2005年，h指数2(由美国物理学家赫希(Hirsch)提出，用于评价科学家个人学术成就[21])的提出无疑是情报计量学继三大定律之后具有里程碑意义的进步，它的提出引发了科学评价基本指标体系的变革。继h指数之后，g指数3(由比利时著名计量学家埃格赫(Engghe)提出，用于评价科学家以往贡献[22])a指数4(由我国学者金碧辉提出，是对h指数的修正[23])、h-b指数5(由德国马普学会科学家班克斯(Banks)提出，用来评判研究主题(topic)的受关注程度(即热点主题)[24])的提出表明：同科学发展相适应的科学基本评价指标体系的完善之路仍在继续以及情报计量学理论研究的日益深化。受上述新指标的影响，未来科学评价基本指标体系发展将集中于以核心评价指标为中心的复合评价体系的构建(情报计量指标体系及各指标含义分别见(图1)。
图1 情报计量指标体系
(3)对影响因子的理性解读。有关影响因子的讨论是情报计量学近期发展的热点。对此的讨论是基于对影响因子及其应用效应的深入思考的，影响因子问题的关键在于其合理使用而非影响因子本身。关于此，最值得关注的是荷兰莱顿大学对其著名的基于影响因子(系列)的科研绩效评价指标体系的创新和完善[25]。
(4)网络信息分布规律及网络计量指标体系的研究。网络信息分布规律及其计量方法研究是计量学的热点和难点。受文献计量学的启发，网络引文(Citation)分析及链接分析((Link Analysis)研究迅速推进，文献计量学三大基本定律的网络应用也成功展开，网络计量指标体系不断拓展(图1)。
2.2 方法的改进及丰富化
基于新的计算机技术、数据处理技术、数据挖掘技术、数据库技术、网络技术及算法模型等的情报计量学方法不断涌现。总体上情报计量方法正朝向计量单元知识化、网络化，分析过程的自动化、集成化和互操作性以及结果的多元可视化方向发展。
2.3 应用的进一步拓展
情报计量学理论及方法应用领域的拓展成为情报计量学发展最为活跃之点。
微观上，情报计量学理论及方法已经渗透到对知识单元关系分析的层次；宏观上，情报计量学理论及方法正在向着实现对科学知识体系解构的目标迈进。
情报计量学发展的最大困惑与挑战在于“如何通过它洞悉人类知识体系形成的真正机理所在”。相对于该目标，目前的所有方法的应用与创新都只是处于探索与尝试阶段，人类尚未找到解构自身知识体系的真正路径。
未来情报计量学发展最为引人关注的无疑是揭示知识体系的方法和技术的创新。
3 知识分析技术支撑——情报分析技术发展趋势
知识分析的发展取决于为知识分析提供技术支撑的情报分析技术的进步。情报技术实际上计算机、信息、通信及网络技术等的移植和应用，因而实际情报研究中这些技术的移植及应用水平决定着情报技术进步之进程。
整体上，情报分析技术的发展呈现高度系统化与大规模集成化、智能化与自适应的态势；就相关分析技术本身而言，则呈现多元化发展趋势。
3.1 分析技术的高度系统化
情报分析技术高度系统化的实现方式可以概括为三类：
(1)针对任务类型及不同分析目标，通过与之相匹配的分析技术的应用形成同任务目标序列相对应的分析技术体系。
著名的美国兰德公司(RAND)成为该发展方向上的成功典范。作为全球最大的战略情报研究机构，兰德公司根据自己的情报研究系列正在构建迄今为止最为完整的情报分析技术体系，该体系基于其独有的大规模信息平台ECRIS(a search，computation，and retrieval engine for interactively accessing a database via a global computer network)、数据库RaDiUS(The RAND Database of Research & Development in the U.S)以及在线交换机算系统[26]，所采用的技术包括数学模拟、网络分析、大规模情景分析、不确定性分析、远景分析、逻辑模型、离散选择模型等。
欧盟科技研发信息服务处(Community Research & Development Information Service，CORDIS)最新建设了其欧盟研究框架计划(EU Research Framework Programme)支撑服务系统“欧洲科学与技术预见知识共享平台(European Science and Technology Foresight Knowledge Sharing Platform)”。建设该平台旨在发展一个欧洲层面的系统支撑框架，以实现其预见成果的系统利用及效益优化，并以此促进所有成员国共同致力于全欧洲网络的建设及欧洲科技实力的提升。同时，该平台还能通过知识共享活动实现“预见团体”的自组织过程[27]。
(2)分析过程各相关技术的嵌接与协同。该方面以美国亚利桑那大学人工智能实验室(AIL)为代表。作为当前全球最重要的情报分析技术与系统开发机构之一，AIL利用自身独有的技术优势形成了信息检索、数据挖掘、信息整合与协同、文本分析、自然语言处理、统计、聚类及可视化技术相互衔接，覆盖从情报分析数据采集、数据处理、数据分析直至最终结果报告生成及结果可视化情报分析全过程的分析技术体系[28]。
(3)不同类型数据源或数据库的整合。美国汤姆逊-路透集团的TDA及前述的AIL的纳米知识地图绘制系统Nano Mapper即是例证。前者将正在构建包括文献、专利及经济类不同类型数据的接口以实现分析功能的进一步提升；后者则正在开发不同数据库“无缝对接”技术以期实现世界三大专利(即美国、欧洲、日本专利)数据的一站式获取与分析[29]。实际上，不同类型数据源或数据库的整合以及对整合之后的不同数据分析过程本身就蕴含着数据整合、数据转换及数据分析等诸多相关技术的系统集成。
3.2 分析技术的智能化与自适应性
实际上，智能化与自适应性是整个情报分析技术发展的理想境界，虽然目前尚处于探索阶段，但仍然取得了令人振奋的进展。
典型实例如AIL司法案件与犯罪信息分析系统Coplink[30]、恐怖行动监测与分析系统Dark Web[31]和传染病生物信息系统BioPortal[32]；英国苏塞克斯大学科技政策研究中心(SPRU)的科研及商业决策支持系统InforSense。
目前SPRU的智能决策系统InforSense已经升级至5.0系统(其体系架构及决策过程示意具体见图2、3)，成为其最新一代“超越智能”分析平台。该平台具有强大的数据获取、分析及过程兼结果的可视化功能，实现了与网络环境的整体对接及全数据扩展(可同任何标准数据接口对接)并具有真正的互操作性。系统的应用范围也已扩展至生物学、医学、临床医学、化学、金融、通讯等众多领域[33]。
图2 英国苏塞克斯大学(SPRU)智能决策系统InforSense 5.0体系架构
注：据http://www.inforsense.com
图3 英国苏塞克斯大学(SPRU)智能决策系统InforSense 5.0 BioSense(生物信息)决策子系统决策过程示意
注：据http://www.inforsense.com
这些智能及自适应分析系统的共同特征是：能适应不同数据环境(在系统可分析范围之内)；自动识别、自主挖掘与自主学习；自动预测以及功能的可扩展性。
3.3 专门分析技术的多元化
伴随情报分析技术的高度系统化与大规模集成化，情报分析相关专门技术趋于多元化。
以情报分析涉及最为频繁的数据挖掘与结果可视化技术为例，前者如全球最大的商业软件公司甲骨文公司(oracle)的oracle data mining、IBM的intelligent miner、美国北卡罗莱纳大学的SAS Enter-prise Miner、SPSS的Clementine、SAS的Enterprise Miner、SGI与美国斯坦福大学联合开发的Mineset、加拿大Simon Fraser大学的智能数据库系统实验室的DBMiner、美国Insightful公司基于S语言(AT&T贝尔实验室开发)的S-plus等；后者则包括Visone、HistCite、Jambalaya、TGVizTab、OntoViz、OntoSphere、Perfues、CiteSpaee、ViatPad、IVT等基于不同算法的可视化技术(工具)。
未来专门分析技术将朝向基于复杂算法、复合算法以及本体技术的可视化系统发展，其特点是互操作性、可扩展性以及可移植性。
4 知识分析实践主体——科技思想库发展趋势
科技思想库乃情报研究理论、方法与技术的最终系统综合应用及组织实践实体，关注其发展可以从全景及系统实践与组织层次把握整个知识分析及其应用的发展趋势。
目前，科技思想库已经开始向支持政府及公众决策的真正“大脑”方向发展。
4.1 研究领域不断拓展
为应对全球化所带来的各种社会经济、科学技术问题，以美国、欧盟、日本、韩国等发达国家和地区的科技思想库的研究主题呈现多领域、跨界性、多样化及全方位的拓展态势。
以兰德公司(RAND)为例，其研究领域已由最初的军事与国际关系领域延伸至几乎覆盖同社会经济及科学技术发展相关的各个领域(包括国际事务、能源与环境、科学技术、国内司法、教育、人口与老龄化、健康与保健、青少年政策、交通和基础设施、恐怖主义和国内安全、公共安全、国家安全等等)[34]。
英国苏塞克斯大学科技政策研究中心(SPRU)的研究涵盖自然科学、工程技术及社会学领域，主要包括：创新公司的策略、结构及动态、复杂产品系统与基础设施的创新、高技术产业的研究与技术改变；国家与国际科学与技术系统的重组、测量与评价知识产品及其分布、发展中国家的科学与技术；环境政策与调控、探索可持续发展能源的路径、防止生化武器、信息社会的政治与经济学等[35]。
即使像卡耐基和平基金会(Carnegie Endowment for International Peace，CEIP)以外交政策研究为主的思想库也已将其研究延伸至能源及气候领域[36]。
4.2 研究技术体系化
研究技术体系的建设及完善已成为决定科技思想库决策效能及其生存的关键。所有(特别是大型)科技思想库均具有各自较为完善的研究技术体系，包括方法、工具、技术、数据库、系统等。如前述的兰德公司(RAND)和美国亚利桑那大学人工智能实验室(AIL)。
4.3 研究组织模式更为灵活
科技思想库的研究组织模式主要有矩阵式、直线式和柔性组织模式三种。从其各自的特点来看，柔性组织模式以其灵活性和适应性将成为未来科技思想库研究组织模式的主流，目前上述思想库中的战略决策性机构及大部分各国科学顾问委员会均开始采用该研究组织模式。
多组织、网络化协作模式正在显现，如东亚思想库(NEAT)的创建、美国战略与国际问题研究中心、英国伦敦国际战略研究所等的国际合作机制等。
由日本发起成立的“亚洲科学、技术与政策网(ANSTIP)”，范围辐射除日本以外的中国、中国台湾、印度、印度尼西亚、韩国、马来西亚、巴基斯坦、菲律宾、新加坡、斯里兰卡、泰国、越南等亚洲主要国家和地区及澳大利亚、新西兰、俄罗斯等国，并同美国、欧盟、OECD、APEC等国家和国际组织建立了合作关系。ANSTIP旨在通过亚洲国家与其他国家和地区的交流促进亚洲各国发展及国际竞争力的提高[37]。
4.4 运营管理机制日趋完善
科技思想库的运营管理机制更为开放并体现先进运营管理模式的特点。
(1)人员配置及管理方面。人员配置趋于专业多元化、分工协作化；人员管理则注重动态性、时效性。
(2)运营方式方面。愈发注重跨界、跨地区及跨国合作、交流及业务拓展。上述主要国际科学思想库纷纷开始在全球范围内设立分支机构或委托咨询机构。卡内基和平基金会新近启动的New Vision initiative计划即旨在通过机构设置及运作方式的转变将其从关注国际问题的思想库转成为首个真正跨国甚至全球思想库[38]。
此外，新兴思想库不断涌现并且以其更好的适应性与应变能力而显示出强大的竞争力。如新创建的英国的DEMOS，其名称即是其口号和宗旨“大众的思想库(the think tank for “everyday democracy”)”，其所关注的领域更具现实性，包括：公共服务、科学技术、城市及公共空间、艺术与文化、身份认证与全球安全[39]。DEMOS以其多变而开放的服务模式及多样的传播途径迅速立足于国际决策咨询界并获得了良好的国际显示度。
5 知识分析及其应用未来研究主题
通过对知识分析及其应用发展趋势的系统扫描与分析，结合目前我国该领域研究特点及现状，未来值得关注的知识分析及其应用研究主题可分别概括如下：
(1)知识分析理论基础——情报研究理论方面：面向卓越与创新前沿科技发展战略决策的情报研究理论及方法；面向卓越与创新前沿科技发展战略决策的情报服务机制；特色及专门领域创新及前沿科技评估方法与指标体系；支持不同层次、不同领域情报研究的自主情报数据库及情报分析平台。
(2)知识分析方法体系——情报计量学方面：情报计量学方法、技术的改进与创新；针对非结构化数据及异质数据源的情报计量学应用拓展研究；面向知识及知识体系机理揭示的情报计量理论及方法研究；科学测度及评价指标体系研究。
(3)知识分析技术支撑——情报分析技术方面：①情报分析技术的系统化方面：面向特定情报研究的情报分析技术集成及优化；服务于不同任务目标的情报分析平台及数据库建设。②情报分析技术单元：非结构化及异质数据挖掘技术及工具开发；网络数据挖掘技术及工具开发；面向特色及专门领域的数据挖掘方法研究；数据融合及多元数据库集成；情报分析可视化技术的集成与开发。
(4)知识分析实践主体——科技思想库方面：先进科技思想库管理与运行机制；决策研究资源配置及其组织模式；科技决策效力及影响力评估；决策服务及产品质量评估机制；科技思想库战略决策研究的技术支撑平台。
6 结语
基于上述，知识分析关键领域的发展趋势可分别概况如下：
(1)情报研究理论在日益系统化的同时，理论体系的完善与拓展愈发以应用、政策及创新为驱动机制。
(2)情报计量学正全面突破传统信息及情报载体向网络渗透，复合计量方法开始取代传统的以文献为中心的计量方法。
(3)伴随着专门技术的优化和复杂化，情报分析技术的系统化、智能化和自适应性已成为主流。
(4)科技思想库开始真正体现响应社会、服务公众的功能，基于先进技术和优化组织管理模式的综合性科技思想库成为科技思想库的发展“模板”。
综合而言，与其最终服务目标——科学技术的发展相适应，知识分析正朝着目的明确化、功能综合化、技术协同化、应用泛在化方向迈进。