促进数据、信息和知识融通

促进数据、信息和知识融通PromotingtheIntegrationofData,InformationandKnowledge:LiteratureReviewontheJCDL2020吕思妤/吴丹作者简介：吕思妤,ORCID:0000-0001-7189-0512,武汉大学信息管理学院硕士研究生，武汉大学人机交互与用户行为研究中心，研究方向：数据科学、深度学习，E-mail:lsy240597@163；吴丹，通讯作者，0RCID:0000-0002-2611-7317,博士，武汉大学信息管理学院教授，武汉大学人机交互与用户行为研究中心，研究方向：信息检索，用户信息行为，人机交互，E-mail:woodan@o武汉430072原发信息：《图书情报知识》(武汉)2021年第20212期第110-120页内容提要：［目的/意义］通过对2020年国际数字图书馆联合会议(JointConferenceonDigitalLibraries,JCDL)的录用论文进行整体回顾，梳理与分析当下数字图书馆的研究内容与研究发现，为我国相关领域学者把握学科前沿提供参考。［研究设计/方法］采用文献综述法，对本届年会论文所反映的研究热点与前沿进行归纳总结与提炼。［结论/发现］本届年会覆盖研究主题广泛，呈现出与数据科学协同合作的趋势，聚焦于用户信息活动的探索、未来图书馆的建设、细粒度化与精准化智慧服务的提供等方面，具有较明显的跨学科特性，且在新型冠状病毒肺炎的公共卫生危机下更加关注生物医学信息学的价值。［创新/价值］揭示了当前图书情报与信息科学的研究热点与趋势。(2)文化遗产数字图书馆的需求与主流数字图书馆技术的开展同步。本届年会关注书法、文学、民族音乐、篆刻［29］等传统文化及历史人物作品的保存和欣赏。文化遗产由于数据量小的特殊性，面临着网络训练的问题，Pang等［30］提供了一种以字形和笔画特征扩充书法图像数据的方法，最终搭建了数字书法知识服务系统。Chudy等人［31］提出了基于dLibra数字图书馆的传统音乐研究平台MIRELA,可以支持音乐内容的检索。Adak等人［32］通过将甘地文学数字化并构建时空社交网络，在Gandhipedia人工智能门户网站形象地展示了圣雄甘地的生平事迹。虚拟现实(VR)技术被推荐为呈现文化遗产信息的一种创新媒介，Ng等人［33］通过对用户报告和眼动数据的分析，说明VR内容中文本注释有助于促进用户对文化遗产的理解，探讨数字图书馆中文化遗产VR展示的最正确实践。4新环境下以人为本的用户研究探求精准化理解用户搜索行为——设计面向通用访问的数字图书馆数字图书馆已成为用户检索信息的关键信息检索系统。目前的搜索系统在为用户寻找相关信息方面做得很好，但如何设计出能更好地支持用户完成任务的搜索系统，尤其是当用户面对复杂的搜索任务时，还需要更多的研究［34］。本届会议中Huang［35］与Wang团队［36］采用比拟研究的方法，分析任务的主、客观难度对用户搜索行为的影响，其他学者们从用户学习过程和个性化的角度进行了研究。Q）用户信息搜索中的学习行为及过程探究。信息检索并不是一个寻找特定问题答案的过程，而是一个探索和学习的过程［3刀。为了帮助提高知识获取率，Zhang等人［38］将参与者绘制的思维导图作为表示用户知识的工具，从词汇的视角研究用户在信息搜索过程中的知识使用和变更，结果说明用户的先验知识通过提供解决问题的结构和制定查询的词汇库来影响信息搜索。Liu等人［39］通过对不同领域用户的定性研究，提出了探索性搜索中知识构建过程的概念模型，该模型基于知识节点、知识社区和知识网络等一系列核心过程。（2）将个性化技术用于用户信息搜索领域，提高信息搜索效率。随着个性化技术的进步，基于偏好的web搜索成为可能。Hu等人［40］分别基于关联规那么与二部图方法开发了两种个性化图书推荐原型，将自动个性化推荐服务整合到面向青少年读者（尤其是小学学生）阅读的在线学习平台中。然而个性化技术也会导致泡沫过滤，不断向用户提供强化先验信念的信息，阻碍学习过程。针对此问题，Yamamoto等人［41］研究了一个网络搜索界面PESONALITYFINDER,能够将个性化程度可视化，揭露和管理隐藏在个性中的网络搜索结果，旨在使用户意识到网络搜索结果往往带有偏见，进而推动关键信息搜索。智慧化构建用户服务体系——展现面向所有人的公共图书馆担当和社会包容数字图书馆的服务模式和服务内容逐渐由文献型向用户型转变［42］,图书馆服务必须适应用户需求，提高内容交付、易用性和服务响应能力［43］o本届年会相关研究也凸显出这一趋势，利用图书馆大数据与用户行为数据资源，充分关注用户的兴趣特征和数据内容要求，从用户的角度考虑当前用户需求的特点，为数字图书馆现有服务的改进提供有效的思路和方法。Q)了解用户特征。性别是数字图书馆服务研究中通常被忽略的因素。为了研究阅读偏好的性别差异，McKay等人［44］考察了性别与阅读形式(印刷与在线)之间的相互作用，以了解数字阅读是否会出现更多的性别越界阅读。Jayawardena等人［45］通过眼动测量，深入了解新手在阅读研究论文时的扫描路径。背景音乐服务已在智能图书馆中提供，Liu等人［46］基于音乐声学特性、使用者个性特质以及可穿戴腕带所记录的生理信号，建立了一个音乐推荐系统，指出个性特征对推荐准确率的提高有显著作用，而生理特征的贡献较小。(2)改善用户体验。用户体验是衡量移动图书馆服务质量的重要指标，也是定位用户需求的最终目标。Zhao等人［47］基于以愉悦唤醒主导情感状态模型和人格五因素模型，为移动图书馆用户情感体验的测量提供了一种有效的方法，对图书馆优化移动服务质量具有重要的参考价值。Que等人［48］通过学术阅读背景下的用户对照实验，对背景音乐对阅读的影响进行了实证研究，发现听音乐不会影响读者的阅读质量，且阅读时听自己选择的背景音乐有助于保持积极的情绪，能够为改善背景音乐相关的服务提供参考。(3)关注特殊群体。本届年会从不同角度展示了对边缘化和社会隔离弱势群体的支持。Weir等人［49］关注重度视障用户的需求，开发了虚拟现实个人图书馆环境，帮助重度视障者克服行动能力和阅读理解能力的限制，获得真实的阅读体验和阅读感受。Xie等人［50］比拟了盲人和视力正常用户在使用数字图书馆(DL)进行初步探索时采用的策略类型，结果说明视力正常用户专注于浏览DL内容，而盲人参与者专注于浏览DL结构，强调提供DL结构概览和快捷访问对非线性浏览的重要性。Han等人［51］关注残疾人的健康与体育意识，提出了测定自走式轮椅坡度信息的方法，以提高轮椅使用者的活动能力。用户教育与信息素养——深入探索信息素养和数据素养的新方法、新模式和新挑战在当今数据密集和信息丰富的环境中，数字学习对教育、就业和生活质量有着深远的影响，数据和信息素养(DIL)是当代公民必备的关键素养。在本届年会开展的"数据和信息素养”专题讨论会［52］中，学者们介绍了近期为改善DIL教育所做的努力，以及中国信息素养的教育实践和调查研究。黄如花教授以武汉大学"信息检索MOOC"为例，阐述了中大型在线开放课程给DIL教学带来的机遇、挑战和未来展望。BillyTakHolLeng教授详细介绍了澳门大学开办的博雅系列活动(BOYASeries),旨在通过图书馆举办的系列活动来推动信息素养教育。吴丹教授以COVID-19为背景，介绍了COVID-19疫情期间感染者和在治患者信息素养的调查研究，以及重大突发公共卫生事件中电子健康信息素养教育标准的适用性及对策研究。5大数据背景下的信息计量与科学评价优化科学文献的深度挖掘——从多信息源科学文献中提取和评价知识以科学文献为中心的传播方式是学术出版的主要形式。数字图书馆和在线搜索引擎支持了越来越多文章的存储与关键词检索，在进行科学研究时，回顾已有科学文献是一项烦琐、费时但又至关重要的研究活动。本届年会关注基于文献的发现研究，从大量的科学文献中寻找有效发现知识的方法，并促进知识的利用。Q)使用知识图进行语义建模与科学领域表征。学术出版物的自然语言表达与其结构化语义内容建模之间的差距，影响了内容的智能检索，Vogt等人［53］结合本体构建出研究贡献模型(RCM),可将领域研究成果记录转化为语义知识图，通过RDF的语义化来提升学术出版物的数字化水平。Oelen等人［54］利用开放研究知识图(ORKG),提出了一种学术知识比拟的方法论和系统，协'助科研人员快速熟悉某一研究领域。Zhang团队［55］提出利用LDA对真实世界主题关键字分布进行建模，以解决领域知识图(DKM)的统计评价问题，帮助构建与描述特定领域的重要特征。(2)在信息过载的挑战下帮助研究人员寻找合适的论文进行引用。人们提出了许多自动引文推荐方法，其中基于邻近度的方法是研究重点，如本届年会中Farber和Sampath［56］根据相对较小的引用上下文发现并推荐以往的研究成果。为了实现对整个引文图的全局了解，Pornprasit等人［5刀提出了一种用于引文知识图嵌入的算法ConvCN，优化了目前知识图嵌入的最新技术ConvKBo(3)探索基于社交媒体的非正式交流研究。社交媒体的开展使学者们的学术交流不再局限于发表期刊文章，开始认识到非正式出版和传播实践的重要性。Lin等人［58］基于论坛、博客等学术社交网站，研究了学者的非正式交流特征。Li等人［59］针对学术社会问答平台上不同学科问题的语言特征差异，丰富和拓展了学术内容语言特征差异的研究。然而，由于缺乏同行评审机制，社交媒体上学术用户生成的内容质量参差不齐，Li等人［60］探索影响学者们对质量评价的因素，可通过重新排序来改善搜索结果的有效性。科学评价的整合研究——向多准那么、综合化的公平原那么方向开展(1)系统地建模和量化研究或服务对学术社区和社会的影响。量化一个学者的研究影响最流行的方法之一是h_index［61］,G_index［62］进一步修改了h指数，解决h指数难以识别发表论文数量少的学者的问题。除了研究影响，学者们的服务(如参加会议组织等活动)对研究成果的传播起着重要作用，Han等人［63］提出并实施了三种G-index测量方法，从理论上分析和改进了量化措施的预期行为。期刊影响因子是判断期刊质量的常用指标，但由于异常引用可以有目的地操纵影响因子，异常引文检测是文献计量的重点研究范畴。Jolly等人［64］提出了一个期刊级引文网络无监督异常检测的新模型，利用箱线图法和时间序列分析法对静态异常和动态异常进行解析，显示期刊的反常引文模式。Xu等人［64］采用多变量关系聚合学习方法获取网络环境下的多元关系信息，将可维持更大容量知识的多元高阶结构用于网络的异常检测。(2)健全完善学术评审制度。同行评议拥有大量的信息，不仅能供编辑和主编做出最终决定，还可以判断论文的潜在影响。但近来关于评审质量、偏见、甚至缺失的争论很多［66-6刀。在本届年会上，Bedmutha等人［68］强调了收取高额论文处理费，但却未能提供严格同行评议程序的"掠夺性期刊"问题，并试图开发一种利用文章内容分析识别掠夺行为的方法。Hazra等人［69］根据作者在期刊上的接受程度对其进行分类，指出同行评议系统可能会强化不同类别作者之间的接受度差异，从而引入潜在的歧视与不公平。这些批评使得同行评议数据集的研究变得非常重要，Chakraborty等［70］收集了ICLR(顶级机器学习会议之一)的同行评审数据，构建了基于方面的情感分析模型，发现被接受和被拒绝的论文在基于方面的情感方面存在显著差异，情感强烈决定了评审的预期推荐。Weber［71］团队提出数据注释能够促进数据透明度，改善对底层原材料的获取，有助于将数据与具体主张联系起来，更加准确、彻底地审查一篇实证研究文章。(3)知识交流效率视角下的期刊论文监察。Wu等人［72］将"引文峰值滞后”作为指标衡量学科间知识传播速度，说明LIS是高度跨学科的。而这也加速了无效或不可靠知识的传播，Fu等人［73］估计已有超过80万篇文章直接引用了含有缺陷或错误的回收论文，他们引入Keystone框架来跟踪引用无效论文的影响，以选择性地提醒最有可能受到论文错误影响的作者。Yang等人［74］对科学回溯有缺陷的研究的实际影响进行了量化，回答了撤稿如何影响被撤稿文章的引用次数和性质的问题。6总结当前社会的开展更加注重数字生态系统，而数字图书馆的开展正顺应了时代的开展趋势。JCDL2020是一场数字图书馆研究人员和实践者的盛会，从理论、方法到实践的多维视角汇集了全球图书情报、信息科学、计算机科学等多学科领域学者的最新思考与研究成果，反映出当下列图书情报与信息科学相关研究领域的前沿热点与趋势动态。Q)图书情报学与数据科学协同合作的趋势大数据时代给数字图书馆服务带来了新的挑战和变革的机遇，数字图书馆认识到需要对研究数据进行更深入的理解，以便能够充分支持数据密集型研究所产生数据的管理、共享和再利用。结合本届年会论文的特点来看，科学研究正在向数据密集型研究转变，数据科学在科学研究中的地位日益重要，图书情报学与数据科学的协同合作是卓有成效的研究领域，也是未来的一种趋势。(2)将以人为本的用户研究思想应用到数字图书馆建设从第一代基于数字化资源的数字图书馆，到第二代基于集成信息服务的数字图书馆，再到第三代基于用户信息活动的数字图书馆的演变［75］可以看出，信息技术在图书馆的应用为用户提供了更好、更便捷的信息服务，也将图书馆用户行为研究带入了一个以人为本的新阶段。本届年会从精准化理解用户搜索行为、智慧化构建用户服务体系、用户教育与信息素养的角度出发，将图书馆服务无缝地、动态地、交互地融入用户的日常行为中，将服务的触角延伸到一切有用户存在的地方，真正表达了图书馆的服务本质和社会使命。(3)提供更加细粒度的、知识的、语义的数字图书馆精准服务语义框架为数字图书馆和存储库奠定了基础，使结构化数据和信息能够在当今相互关联的信息系统中表示和互操作。从本届JCDL会议上的最新出版物可以看出，本体网络不断开展和语义建模技术的创新优化，使得有充分的机会开发数字图书馆的丰富语义知识，提供智能化与精准化图书馆服务，以适应海量数字资源的大数据环境。(4)生物医学信息学与医学数据的治疗价值成为学科研究的重要方向近期爆发的C0VID-19大流行使得生物医学信息学的价值比基因组时代开始时更为明显。本届年会基于自然语言处理技术的药物知识发现、电子病历等研究，优化生物医学信息的获取、存储、挖掘所需的资源、方法和应用，旨在发现能够为医学研究增加价值的知识，展示国际社会共同缓解当前公共卫生危机的努力。共享、可靠的知识是人类社会最珍贵的资源之一，JCDL2020围绕"加快创新、可持续开展与转型”主题，在数字图书馆的研究、实践和教育等方面激发了新交流、新发现和新思路，这些最新研究成果表达了对促进数据、信息和知识融通的重视，将有助于长期滋养研究界。作者贡献说明吕思妤：收集分析文献资料，撰写论文初稿；吴丹：提出研究思路，修改论文。PromotingtheIntegrationofData,InformationandKnowledge:LiteratureReviewontheJCDL2020国际数字图书馆联合会议/数字图书馆/图书情报学/数据科学/用户研究期刊名称：《图书馆学情报学》复印期号：2021年09期［中图分类号］G250［文献标识码］A［文章编号］1003-2797(2021)02-0110-111引言ACM/正EE数字图书馆联合会议(JointConferenceonDigitalLibraries,JCDL)是数字图书馆领域历史最悠久、学术性和影响力最大的顶级国际会议。JCDL由国际计算机学会(ACM)和电气电子工程师协会(IEEE)联合主办，与欧洲数字图书馆会议(ECDL)、亚洲数字图书馆国际会议(ICADL)并称为全球数字图书馆研究领域的三大国际学术会议，重点讨论数字图书馆以及相关的技术、实践和社会问题口］。首届JCDL于2001年8月24日至28日在美国弗吉尼亚州罗阿诺克举办。自首届举办以来的二十年间，JCDL吸引了来自世界各地涉及数字图书馆研究与实践的学科和专业的人士参加，包括计算机科学、信息科学、图书馆学、档案科学与实践、博物馆研究与实践、医学、社会科学和人文科学等，为各国专家学者提供了一个多学科交融、思想交锋的平台，展示国际信息管理研究的最新前沿进展。2020年8月1日至8月5日，由武汉大学信息管理学院和西北大学公共管理学院主办的第二十届JCDL会议在湖北武汉举行，这是JCDL首次在亚洲举办。由于新型冠状病毒肺炎(COVID-19)在全球肆虐，与以往历届JCDL会议不同，本次JCDL会议首次全部虚拟化，以线上形式召开。本次会议的主题为"加快创新、可持续开展与转型"(SpeedierInnovation,SustainableDevelopment,SocietalTransformation),在COVID-19背景下该主题显得更加迫切与真实，同时会议的成功召开亦为武汉大学信息管理学院百年院庆系列活动书写了浓墨重彩的一笔。本文主要对本次年会相关论文的内容进行分析和总结，重点介绍了各国学者的最新研究进展，探讨了数字图书馆领域的开展趋势，以期为国内图书馆领域的学者提供帮助，全面了解本次年会及其最新研究趋势，掌握国际数字图书馆研究领域的前沿热点问题。2年会概况收录论文及作者国家(地区)分布本届年会共收到来自5大洲35个国家的980名数字图书馆及相关领域的专家学者的380余篇论文，会议来稿数量为历届之最。论文保持JCDL一贯以来的严格录用标准，经程序委员会审查收录了长篇研究论文(FullResearchP叩er)33篇(录用率31.1%),短篇研究论文(ShortResearchPaper)28篇(录用率31.1%),以及海报(Poster)40篇和演示(Demonstration)8篇。虽身处不同时区，但全球各地的与会者依然对会议保持了高度热情，共有来自全球20余个国家和地区的约380名与会者线上参会。本届年会的作者国家(地区)分布如表1所示，相较于2019年，来自中国、美国、印度和德国的学者仍然是年会的核心。其中来自印度的学者有上升趋势，来自中国(含香港、澳门和台湾地区)的学者作为本届年会的主力军，其数量从2019年的43位增长为118位(占比32.69%),充分体现了中国在图书情报与信息管理研究与人才培养方面日益国际化的开展趋势。另一方面，合著关系数据说明中国在领域内的学术合作对象相对局限，需加强跨国合作的广度和深度，增进学术交流开展和国际影响力提升。年会相关学术活动在为期5天的议程中，除了18场论文会议(PaperSession),2场专题讨论会(Panel)、5场培训会(Tutorial)、7场研讨会(Workshop)、1场海报和演示会议、1场博士生论坛(DoctoralConsortium)外，本届年会新增了实践案例(PractitionerTrack)模块。这一创新为图书馆、档案馆和博物馆的从业者和出版商以及数字内容行业的合作伙伴提供了学术舞台，展示了与数字图书馆实践和服务相关的前沿、探索性或有争议的想法和实践。收录文献关键词分布对2020年JCDL文献的关键词分析显示（图1）,本届年会关注大数据时代下的数字图书馆如何建设。最高频次的关键词是DigitalLibrary（数字图书馆井口BigData（大数据）。除此之外，DeepLearning（深度学习），WebArchiving（网络资源存档），Bibliometrics（计量学）,DigitalPreservation（数字保存）均为出现频次较高的关键词。从关键词分布来看，低频关键词占主要局部，关键词间的频次差距较小，覆盖研究主题宽广,具有较明显的跨学科特性。图12020年JCDL会议文献关键词词云图结合关键词分析与文献内容分析，本届年会收录文献涵盖了与数字图书馆有关的广泛主题，展现了核心研究领域、传统研究领域和新兴研究领域的研究进展，为数字图书馆的创新与应用创造更多技术形式，为图书馆体系结构未来开展提供建议。下文将从互联网技术下的未来数字图书馆探索、新环境下以人为本的用户研究探求、大数据背景下的信息计量与科学评价优化三个维度综述本届年会在不同研究领域所取得的最新进展。3互联网技术下的未来数字图书馆探索数字图书馆服务——提高现代公共服务的普及程度和便利性互联网的出现和相关技术的开展，不仅增加了信息量，也改变了传统图书馆和信息服务的性质。数字图书馆已成为现代数字信息系统的重要组成局部。学术数据集和在线学术文献检索平台，如IEEE/正E电子图书馆、Wiley在线图书馆、施普林格LINK、谷歌学术检索等，可以视为现代数字图书馆的代表。本届年会，学者们研究的图书馆范围不仅限于存储库，还包括新形式的信息机构、具有各种数字内容的领域信息系统、数据工程与信息媒体等。Q)着眼未来数字图书馆构建，加快传统服务改进与转型。Fox［2］强调了5S框架(Societies,Scenarios,Spaces,Structures,Streams)又寸数字图书馆搜索、浏览、推荐和可视化等服务的建立与应用的简化。Zhou［3］探讨数字图书馆的数字生命周期程序，期望建立跨学科研究的平台和大型聚合数字内容的存储库，确保数字图书馆的广大用户能够有效地获取不同领域和平台的聚合内容。Liao［4］对图书馆智能服务的核心学术理论进行梳理，整合为图书馆智慧服务核心要素的理论框架，有助于数字图书馆传统服务向创新驱动开展转型。(2)加强数据工程建设，开辟应用支持新途径。匹兹堡大学图书馆系统(ULS)的东亚图书馆(EAL)启动了当代中国村落数据(CCVD)工程［5］,建立了一个对中国人文和社会科学研究具有重要价值的数据集，包括政治、经济、社会学、环境科学、历史和公共卫生等领域的定量和定性数据。Jean-Caurant［6］的NewsEye工程访问和调查了大量多语言报纸数据，促进学者和公众对历史报纸的研究。Ostendorff等人［7］致力于开放式法律数据平台的开发，为透明处理和开放访问法律信息提供支持。(3)重视医疗数字化，探索数字图书馆医疗健康服务。Mohd［8］展现了基于医疗保健的C0VID-19相关出版物如何随着时间的推移而变化，服务医疗一线、科学家、立法者等利益相关者对抗病毒。Wawrzinek等人［9］为药物与疾病之间的复杂关系生成可直观理解的短句解释，能够在药物再利用等医疗任务中发挥核心作用。Zhenni等人［10-11］探讨了基于电子病历的疾病诊断、预测和筛选等热点问题，通过健康档案的数字化、网络化与信息化提高护理质量。(4)聚焦信息媒体，协助个人和社会形成意见与决策。社交媒体账户已逐渐成为普及信息和公众沟通的主要平台，同时也带来了假新闻和媒体所有权集中等社会问题。Spinde［12］团队创立了具有政治倾向标签的媒体数据集，并借助可视化手段传达媒体偏见，帮助新闻消费者意识到偏见的存在。Hamborg等人［13］通过词汇选择和标签(WCL)分析偏见的目标依赖情绪，有助于对新闻文章倾向性和真实性的正确认识。交叉融合图书馆开发技术创新——促进数字资源的长期保存和长期可用性大数据具有大量、高速、多样、低价值密度、真实性的特点。管理由不同来源聚合的多模式数据集，以确保数字资源的可用性，是一个日益严峻的数据管理挑战。新一代信息技术如机器学习、深度学习，特别是语言技术与数字图书馆的融合，已成为数字图书馆研究领域和本届年会学者的重点研究课题。Q)将网络资源存档作为大数据源进行统计和分析研究的势头正稳步上升。相较于传统网络档案，如何从网络资源存档数据中识别出高质量的文档被Patel等人口4］关注，以对原始数字材料提供更有意义的访问。Adewoye等人［15］提供了一种使用图像查询在网络资源存档中快速找到相关图像的方法。Ruest等人［16］介绍了始于2017年的档案释放工程，该研究成果也适用于推特、电子邮件、电子文档和演示文稿，以及大量的原始数字记录。WARC是Web存档广泛使用的文件格式，Wang等