〔摘要〕隨著大數(shù)據(jù)時(shí)代的來(lái)臨，大數(shù)據(jù)吸引了包括政府、企業(yè)等在內(nèi)的多方關(guān)注，被稱為是下一個(gè)社會(huì)發(fā)展階段的“金礦”和“石油”，具有催生社會(huì)變革的能量。它同樣也給情報(bào)學(xué)這一學(xué)科帶來(lái)了很多難題和機(jī)遇。本文針對(duì)大數(shù)據(jù)時(shí)代情報(bào)學(xué)面臨的挑戰(zhàn)進(jìn)行分析，提出了大數(shù)據(jù)時(shí)代情報(bào)學(xué)的學(xué)科發(fā)展趨勢(shì)以及情報(bào)學(xué)在大數(shù)據(jù)時(shí)代發(fā)展的機(jī)遇。

〔關(guān)鍵詞〕大數(shù)據(jù)；情報(bào)學(xué)；研究方法；非結(jié)構(gòu)化數(shù)據(jù)

〔中圖分類(lèi)號(hào)〕G250.2〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2013）08-0058-03

大數(shù)據(jù)（big data），或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理，并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。

隨著云時(shí)代的來(lái)臨，大數(shù)據(jù)（Big data）也吸引了越來(lái)越多的關(guān)注。《著云臺(tái)》的分析師團(tuán)隊(duì)認(rèn)為，大數(shù)據(jù)（Big data）通常用來(lái)形容一個(gè)公司創(chuàng)造的大量非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)在下載到關(guān)系型數(shù)據(jù)庫(kù)用于分析時(shí)會(huì)花費(fèi)過(guò)多時(shí)間和金錢(qián)。大數(shù)據(jù)分析常和云計(jì)算聯(lián)系到一起，因?yàn)閷?shí)時(shí)的大型數(shù)據(jù)集分析需要像MapReduce一樣的框架來(lái)向數(shù)十、數(shù)百甚至數(shù)千的電腦分配工作[1]。所以大數(shù)據(jù)時(shí)代對(duì)于各個(gè)學(xué)科的要求都提高了很多，對(duì)于情報(bào)學(xué)專業(yè)而言，大數(shù)據(jù)時(shí)代同樣帶來(lái)了很多挑戰(zhàn)和機(jī)遇。

1大數(shù)據(jù)時(shí)代情報(bào)學(xué)面臨的挑戰(zhàn)

進(jìn)入2012年之后，“大數(shù)據(jù)”一詞被越來(lái)越多的人所提及，它用來(lái)描述信息大爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，時(shí)至今日“大數(shù)據(jù)”的研究?jī)r(jià)值已經(jīng)可以和黃金相媲美。所謂“大數(shù)據(jù)”顧名思義，首先是數(shù)據(jù)量要大，但是并不是數(shù)據(jù)量大的數(shù)據(jù)都可以稱之為大數(shù)據(jù)，IBM公司大數(shù)據(jù)的特點(diǎn)是4個(gè)V：Volume（大量）、Velocity（高速）、Variety（多樣）及Veracity（真實(shí)），它提供了在新的和正在出現(xiàn)的數(shù)據(jù)和內(nèi)容中洞悉事物的機(jī)會(huì)，使業(yè)務(wù)更加靈活，并回答以往沒(méi)有考慮到的問(wèn)題[2]。Gartner公司的報(bào)告也提出，大數(shù)據(jù)是大容量、高速和多樣化的信息資產(chǎn)，它們需要新的處理方式，以提高決策能力、洞察力和流程優(yōu)化[3]。

在筆者看來(lái)，“大數(shù)據(jù)”還應(yīng)該加入一個(gè)特點(diǎn)就是海量資料之間的關(guān)聯(lián)程度。如果有一批更新速度極快的多樣真實(shí)的大量數(shù)據(jù)，將這批數(shù)據(jù)看作一個(gè)整體，每個(gè)單獨(dú)的數(shù)據(jù)看作是整體的一個(gè)組成部分，這些組成部分之間毫不相關(guān)，數(shù)據(jù)彼此很孤立，數(shù)據(jù)間的關(guān)系不清晰很難捉摸，看上去并不像一個(gè)整體，相反地更像是一盤(pán)散沙。這種零散的海量數(shù)據(jù)之間的關(guān)系斷裂，其關(guān)聯(lián)程度很低，也就導(dǎo)致其含金量減少，不能形成所謂的“大數(shù)據(jù)”。

由此可見(jiàn)，大數(shù)據(jù)時(shí)代的背后其實(shí)有更加深刻的理念，同時(shí)這些理念也為情報(bào)工作者帶來(lái)了新的挑戰(zhàn)。

（1）大數(shù)據(jù)時(shí)代從字面上理解只是進(jìn)入了一個(gè)海量數(shù)據(jù)時(shí)代，而實(shí)際上大數(shù)據(jù)時(shí)代更深刻的理念在于它帶領(lǐng)我們進(jìn)入了數(shù)據(jù)分析時(shí)代，數(shù)據(jù)的分析隨著大數(shù)據(jù)時(shí)代進(jìn)入了一個(gè)前所未有的黃金時(shí)期，如何從海量數(shù)據(jù)中獲取有用的信息成為情報(bào)工作者面臨的新挑戰(zhàn)。

（2）大數(shù)據(jù)時(shí)代的另一個(gè)特點(diǎn)就是其多樣性。進(jìn)入大數(shù)據(jù)時(shí)代之后，數(shù)據(jù)的種類(lèi)除了包括一部分結(jié)構(gòu)化的數(shù)據(jù)以外，還包括很多非結(jié)構(gòu)化的數(shù)據(jù)，例如文本、音頻、視頻等很多形式的數(shù)據(jù)。情報(bào)工作者要挖掘的某些規(guī)律可能隱含在各種形式的數(shù)據(jù)中，而同一種形式的數(shù)據(jù)又有可能含有很多規(guī)律，如此一來(lái)，大數(shù)據(jù)時(shí)代就要求情報(bào)工作人員的統(tǒng)籌兼顧，不能漏過(guò)任何一種類(lèi)型的數(shù)據(jù)。

（3）大數(shù)據(jù)時(shí)代不僅僅是數(shù)據(jù)量的巨大，其最主要的特點(diǎn)還有Velocity（高速），這一特點(diǎn)就迫使情報(bào)工作人員必須打破以往的人工分析的工作模式，計(jì)算機(jī)智能分析將成為未來(lái)大數(shù)據(jù)時(shí)代數(shù)據(jù)分析的主流技術(shù)。

在大數(shù)據(jù)時(shí)代中，要求將情報(bào)學(xué)和其他各個(gè)學(xué)科相結(jié)合，在其他學(xué)科的各個(gè)領(lǐng)域內(nèi)應(yīng)用情報(bào)學(xué)的知識(shí)對(duì)海量的數(shù)據(jù)進(jìn)行分析研究，并將各個(gè)學(xué)科領(lǐng)域內(nèi)的研究都?xì)w為情報(bào)學(xué)的一個(gè)組成部分加以建設(shè)，情報(bào)學(xué)自身的優(yōu)勢(shì)何在，劣勢(shì)何在，如何把握大數(shù)據(jù)時(shí)代這一機(jī)會(huì)進(jìn)一步進(jìn)行學(xué)科的完善，是我們應(yīng)該思考的問(wèn)題。

2情報(bào)學(xué)在大數(shù)據(jù)時(shí)代的發(fā)展趨勢(shì)

大數(shù)據(jù)時(shí)代的變革將會(huì)引領(lǐng)情報(bào)學(xué)進(jìn)入一個(gè)嶄新的發(fā)展階段，英國(guó)萊斯特大學(xué)的MarkPhythian教授在2008年發(fā)表了題為“Intelligence Analysis Today and Tomorrow”的報(bào)告中指出[4]：①獲知情境是非常重要的。忽略戰(zhàn)略環(huán)境、領(lǐng)導(dǎo)作風(fēng)和心理因素等更廣泛的問(wèn)題，都會(huì)引起情報(bào)研究的失誤；②加強(qiáng)信息之間的關(guān)聯(lián)。美國(guó)政府內(nèi)部信息共享的障礙，分析人員無(wú)法獲得足夠的信息，以支持分析活動(dòng)，導(dǎo)致情報(bào)研究預(yù)測(cè)失??；③要學(xué)習(xí)更多外部的專業(yè)知識(shí)。這一舉措雖然不能保證分析的成功性，但將是競(jìng)爭(zhēng)分析的重要信息來(lái)源。

在大數(shù)據(jù)時(shí)代背景下，通過(guò)對(duì)國(guó)內(nèi)外學(xué)者和專家的研究成果的研究，筆者認(rèn)為情報(bào)學(xué)未來(lái)發(fā)展的三方面趨勢(shì)：①情報(bào)學(xué)將會(huì)從原來(lái)的單一學(xué)科的研究轉(zhuǎn)變?yōu)槎鄬W(xué)科交叉結(jié)合研究；②情報(bào)學(xué)研究中數(shù)據(jù)的采集和獲取范圍將會(huì)從單一的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榧尤敫嗟姆墙Y(jié)構(gòu)化數(shù)據(jù)；③情報(bào)學(xué)的分析方法將會(huì)從原來(lái)的人工分析為主體轉(zhuǎn)變?yōu)橛?jì)算機(jī)智能化為主體的智能分析。

2.1單一學(xué)科的研究轉(zhuǎn)變?yōu)槎鄬W(xué)科交叉結(jié)合研究

情報(bào)學(xué)是信息大爆炸時(shí)代的新興學(xué)科，而面對(duì)大數(shù)據(jù)時(shí)代，信息量不但巨大而且更新速度極快，傳統(tǒng)的情報(bào)學(xué)研究方法已經(jīng)不能滿足大數(shù)據(jù)時(shí)代人們對(duì)于信息處理的需求，傳統(tǒng)的情報(bào)學(xué)更多的是處理結(jié)構(gòu)化的數(shù)據(jù)，而大數(shù)據(jù)時(shí)代給我們帶來(lái)更多非結(jié)構(gòu)化的數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)的處理不是基于數(shù)學(xué)和邏輯運(yùn)算，而主要是基于對(duì)內(nèi)容含義的理解和語(yǔ)義分析，包括各種形式的分類(lèi)、檢索、信息抽取和內(nèi)容匹配等方法。傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)，例如SQL語(yǔ)言在設(shè)計(jì)之初僅考慮了結(jié)構(gòu)化數(shù)據(jù)，在海量非結(jié)構(gòu)化數(shù)據(jù)中已然無(wú)用武之地。

未來(lái)情報(bào)學(xué)在發(fā)展中應(yīng)該汲取各個(gè)領(lǐng)域的不同學(xué)科的方法和優(yōu)勢(shì)，開(kāi)創(chuàng)更多新型的研究方法來(lái)應(yīng)對(duì)“大數(shù)據(jù)”的處理問(wèn)題，而在非結(jié)構(gòu)化數(shù)據(jù)的包裝下其數(shù)據(jù)的本源是什么，數(shù)據(jù)的含義何在，這些問(wèn)題在以后的情報(bào)學(xué)研究中就需要涉及到本體論的相關(guān)應(yīng)用來(lái)解決。為了順應(yīng)大數(shù)據(jù)時(shí)代的需要，面對(duì)高速產(chǎn)生的繁雜的海量數(shù)據(jù)，本體思想無(wú)疑是解決內(nèi)容含義和語(yǔ)義分析最有力的武器。

此外，對(duì)于很多企業(yè)的數(shù)據(jù)資源，情報(bào)學(xué)這一學(xué)科需要研究的除了用戶的行為挖掘之外，還要運(yùn)用很多其他學(xué)科的知識(shí)進(jìn)行輔助分析，例如心理學(xué)的相關(guān)理論已經(jīng)逐步被引用到情報(bào)學(xué)領(lǐng)域，并起到輔助數(shù)據(jù)分析的作用，而情報(bào)學(xué)反過(guò)來(lái)在應(yīng)用其他專業(yè)知識(shí)的同時(shí)也可以為其他專業(yè)提供新的思維和引導(dǎo)。如此一來(lái)，多學(xué)科交叉將會(huì)增多，多學(xué)科交叉研究將會(huì)成為未來(lái)情報(bào)學(xué)以及其他學(xué)科為順應(yīng)大數(shù)據(jù)時(shí)代的一個(gè)發(fā)展方向。

2.2情報(bào)學(xué)研究中數(shù)據(jù)的采集和獲取范圍將會(huì)從單一的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榧尤敫嗟姆墙Y(jié)構(gòu)化數(shù)據(jù)不同信息源可以從不同角度揭示問(wèn)題，如專利、研究出版物、技術(shù)報(bào)告等，可以較為直觀地反映研究者對(duì)某科技問(wèn)題的理解與描述，而評(píng)論文章、科技新聞、市場(chǎng)調(diào)查等，可以反映出社會(huì)對(duì)該科技的觀點(diǎn)、認(rèn)知情況[5]。

在大數(shù)據(jù)時(shí)代，情報(bào)學(xué)這一學(xué)科需要研究的數(shù)據(jù)量更大，數(shù)據(jù)類(lèi)型更多，很多在別人看來(lái)是無(wú)用的數(shù)據(jù)，在情報(bào)學(xué)看來(lái)它們可能是最有價(jià)值的資源，情報(bào)學(xué)在大數(shù)據(jù)時(shí)代更多的要學(xué)會(huì)“撿垃圾”，在海量資源中獲取數(shù)據(jù)的同時(shí)不能忽略任何一個(gè)可以找到信息情報(bào)的數(shù)據(jù)，可能某一數(shù)據(jù)表面看來(lái)毫無(wú)用處，但是當(dāng)這個(gè)數(shù)據(jù)和其他數(shù)據(jù)整合在一起后就有可能是打開(kāi)整個(gè)數(shù)據(jù)挖掘大門(mén)的金鑰匙。

雖然情報(bào)學(xué)的很多研究方法在處理非結(jié)構(gòu)化數(shù)據(jù)方面不是強(qiáng)項(xiàng)，比如情報(bào)學(xué)的一些分析方法，在處理圖像信息和影音信息方面顯得后勁不足，但是在研究中同樣不能忽略這些資源，這也對(duì)情報(bào)工作者技術(shù)方面提出了更高的要求，開(kāi)發(fā)新技術(shù)，更好的對(duì)數(shù)據(jù)進(jìn)行分析將是情報(bào)學(xué)未來(lái)面對(duì)的難題。而為了得到更優(yōu)質(zhì)的研究結(jié)果，從單一結(jié)構(gòu)化數(shù)據(jù)的采集和獲取轉(zhuǎn)變?yōu)榧尤敫嗟姆墙Y(jié)構(gòu)化數(shù)據(jù)將會(huì)是情報(bào)學(xué)研究的必然趨勢(shì)。

2.3情報(bào)學(xué)的分析方法將會(huì)從原來(lái)的人工分析為主體轉(zhuǎn)變?yōu)橛?jì)算機(jī)智能化為主體的智能分析正如美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）發(fā)布的報(bào)告[6]所說(shuō)，美國(guó)在科學(xué)和工程領(lǐng)域的領(lǐng)先地位將越來(lái)越取決于利用數(shù)字化科學(xué)數(shù)據(jù)以及借助復(fù)雜的數(shù)據(jù)挖掘、集成、分析與可視化工具將其轉(zhuǎn)換為信息和知識(shí)的能力。

由于非結(jié)構(gòu)化的數(shù)據(jù)的大量引入，情報(bào)學(xué)不可避免的將面對(duì)一場(chǎng)技術(shù)上的革命，而傳統(tǒng)的人工分析不僅浪費(fèi)人力資源，而且根本無(wú)法適應(yīng)高速產(chǎn)生的數(shù)據(jù)群。開(kāi)發(fā)計(jì)算機(jī)智能分析技術(shù)勢(shì)在必行，在技術(shù)上，計(jì)算機(jī)智能化分析將會(huì)以更快的速度解決不斷增長(zhǎng)的海量數(shù)據(jù)，達(dá)到節(jié)約時(shí)間提高效率的作用。從數(shù)據(jù)類(lèi)型方面，很多數(shù)據(jù)并不是傳統(tǒng)人工方法可以完成的，例如分析視頻和音頻，這就需要新技術(shù)的支持，未來(lái)如果不開(kāi)發(fā)計(jì)算機(jī)智能化新技術(shù)，將會(huì)導(dǎo)致很多視頻和音頻數(shù)據(jù)不得不被放棄掉。

計(jì)算機(jī)智能化新技術(shù)可以解放更多的人力去做更有價(jià)值的研究，同時(shí)也是大數(shù)據(jù)時(shí)代進(jìn)行高速數(shù)據(jù)處理，高速數(shù)據(jù)挖掘的需要。未來(lái)情報(bào)學(xué)中計(jì)算機(jī)智能分析模型的建立將會(huì)對(duì)情報(bào)工作者提出更多的要求，情報(bào)工作者除了有數(shù)據(jù)分析和挖掘的能力之外，還應(yīng)該具有數(shù)學(xué)邏輯思維來(lái)輔助計(jì)算機(jī)智能化模型的建立，傳統(tǒng)的人工分析為主體的分析方法，必然會(huì)被計(jì)算機(jī)智能化分析方法所取代，這不僅是大數(shù)據(jù)時(shí)代的要求，也是當(dāng)今社會(huì)發(fā)展的必然趨勢(shì)。

3大數(shù)據(jù)時(shí)代情報(bào)學(xué)的機(jī)遇

狄更斯曾經(jīng)說(shuō)過(guò)“機(jī)會(huì)不會(huì)上門(mén)來(lái)找，只有人去找機(jī)會(huì)?！倍髷?shù)據(jù)時(shí)代的來(lái)臨，無(wú)疑是為情報(bào)學(xué)的學(xué)科發(fā)展創(chuàng)造了契機(jī)。情報(bào)學(xué)還是一個(gè)比較年輕的學(xué)科，大數(shù)據(jù)時(shí)代的到來(lái)也顯示出情報(bào)學(xué)的“年輕”之處，如何將情報(bào)學(xué)進(jìn)行完善，如何讓情報(bào)學(xué)走向成熟，這都將會(huì)在大數(shù)據(jù)時(shí)代中找到解決的機(jī)遇。

3.1完善學(xué)科技術(shù)和方法

美國(guó)McKinsey Global Institute在2011年5月發(fā)布了研究報(bào)告“大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿領(lǐng)域”[7]。報(bào)告分6個(gè)部分，其中第二部分討論了大數(shù)據(jù)技術(shù)，并圍繞大數(shù)據(jù)分析技術(shù)、大數(shù)據(jù)技術(shù)和可視化三方面進(jìn)行了闡述。在大數(shù)據(jù)分析技術(shù)中，列舉了26項(xiàng)適用于眾多行業(yè)的分析技術(shù)，包括A/B測(cè)試、關(guān)聯(lián)規(guī)則學(xué)習(xí)、分類(lèi)、聚類(lèi)分析、眾包、數(shù)據(jù)融合和數(shù)據(jù)集成、數(shù)據(jù)挖掘、集成學(xué)習(xí)、遺傳算法、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、神經(jīng)網(wǎng)絡(luò)、網(wǎng)絡(luò)分析、優(yōu)化、模式識(shí)別、預(yù)測(cè)建模、回歸、情感分析、信號(hào)處理、空間分析、統(tǒng)計(jì)、監(jiān)督學(xué)習(xí)、模擬、時(shí)間序列分析、無(wú)監(jiān)督學(xué)習(xí)和可視化[8]。

大數(shù)據(jù)時(shí)代，無(wú)論是數(shù)據(jù)量還是數(shù)據(jù)類(lèi)型，都要求情報(bào)學(xué)這一學(xué)科對(duì)于自身的技術(shù)和研究方法進(jìn)行一次變革和完善，以往的技術(shù)不能解決的問(wèn)題，在大數(shù)據(jù)時(shí)代的今天將會(huì)得到解決；以往的方法不能研究的問(wèn)題，在大數(shù)據(jù)時(shí)代也將得到研究，這也是技術(shù)和方法的升華。大數(shù)據(jù)時(shí)代的到來(lái)，可以為情報(bào)學(xué)這一學(xué)科提供更強(qiáng)有力的數(shù)據(jù)處理分析工具和方法。

數(shù)據(jù)分析雖然是情報(bào)學(xué)的研究?jī)?nèi)容，但是大數(shù)據(jù)時(shí)代的契機(jī)下更多的人才進(jìn)入這個(gè)領(lǐng)域，這樣就使數(shù)據(jù)分析方法汲取百家之長(zhǎng)，從各個(gè)方面得到了完善和發(fā)展。同時(shí)情報(bào)學(xué)在完善技術(shù)和方法的同時(shí)也將會(huì)開(kāi)創(chuàng)更多的新技術(shù)，為將來(lái)更多的研究做鋪墊，情報(bào)學(xué)專業(yè)將會(huì)在大數(shù)據(jù)時(shí)代逐步走向成熟。

3.2情報(bào)學(xué)將會(huì)更加受到重視

很多人曾經(jīng)認(rèn)為沒(méi)有必要設(shè)置情報(bào)學(xué)專業(yè)，甚至網(wǎng)絡(luò)中有人將情報(bào)學(xué)列入20個(gè)無(wú)用的專業(yè)之一。但是在大數(shù)據(jù)時(shí)代，任何一個(gè)行業(yè)想在海量數(shù)據(jù)中進(jìn)行“淘金”，都需要情報(bào)工作人員的介入，事實(shí)驗(yàn)證情報(bào)學(xué)的一些比較成熟的研究方法是其他專業(yè)不能比擬的，在情報(bào)學(xué)對(duì)數(shù)據(jù)挖掘的能力面前，曾經(jīng)看著無(wú)用的垃圾信息將會(huì)是揭示某種規(guī)律的關(guān)鍵性信息。

情報(bào)學(xué)專業(yè)在大數(shù)據(jù)時(shí)代應(yīng)該抓住機(jī)遇展現(xiàn)自身的優(yōu)勢(shì)，順應(yīng)潮流發(fā)展，讓更多的人看到情報(bào)學(xué)專業(yè)的閃光點(diǎn)，進(jìn)一步對(duì)學(xué)科建設(shè)進(jìn)行完善，使情報(bào)學(xué)充分的與數(shù)學(xué)、經(jīng)濟(jì)學(xué)、心理學(xué)等其他學(xué)科結(jié)合起來(lái)，從而使情報(bào)學(xué)更為成熟，成為數(shù)據(jù)挖掘和數(shù)據(jù)分析中的領(lǐng)頭羊。

3.3情報(bào)學(xué)人才的培養(yǎng)

情報(bào)學(xué)未來(lái)開(kāi)發(fā)新技術(shù)，研究新方法無(wú)疑是需要更多的人才培養(yǎng)，這就需要更多跨專業(yè)人才進(jìn)入情報(bào)學(xué)，在招收情報(bào)學(xué)方面人才時(shí)應(yīng)該更加注重人才在學(xué)科中的交叉，不同學(xué)科人才的思維方式不同，不同學(xué)科人才的專長(zhǎng)不同，不同學(xué)科人才所了解的研究方法也是多種多樣。未來(lái)情報(bào)學(xué)要抓住大數(shù)據(jù)時(shí)代的契機(jī)，對(duì)各類(lèi)人才進(jìn)行吸收，從而使情報(bào)技術(shù)更為完善，使研究方法更為廣泛。同時(shí)現(xiàn)有的情報(bào)工作者也要注重自身的培養(yǎng)，與時(shí)俱進(jìn)，多涉及一些其他領(lǐng)域的知識(shí)，使自身的研究領(lǐng)域得到更好的完善。

4結(jié)論

綜上所述，大數(shù)據(jù)時(shí)代為情報(bào)學(xué)帶來(lái)了很多難題，也帶來(lái)了很多技術(shù)和方法上的困難，但與此同時(shí)，大數(shù)據(jù)時(shí)代也為情報(bào)學(xué)帶來(lái)了更多的發(fā)展，機(jī)遇。本文從大數(shù)據(jù)時(shí)代背景下情報(bào)學(xué)發(fā)展趨勢(shì)和面對(duì)機(jī)遇方面出發(fā)，為情報(bào)學(xué)未來(lái)發(fā)展提出了建議，希望可以為以后的研究者提供些幫助。

參考文獻(xiàn)

[1]http：∥baike.baidu.com/view/6954399.htm[EB].2013，（1）.

[2]What is big data[EB/OL].http：∥www-01.ibm.com/software/data/bigdata/，2013-01-16.

[3]Big data in little New Zealand[EB/OL].http：∥www.techday.co.nz/itbrief/news/big-data-in-little-new-zealand/24518/，2013-01-16.

[4]Intelligence Analysis Today and Tomorrow[J].SecurityChallenges，2009，5（1）：67-83.

[5]Alan L.Porter，ScottW.Cunninghan.Tech Mining Exploiting New Technologies for Competitive Advantage[M].John Wiley Sons，2005.

[6]NSFs Cyberinfrastructure Vision for 21st Century Discovery[EB/OL].http：∥www.nsf.gov/od/oci/civ5.pdf，2013-01-16.

[7]Big data：The next frontier for innovation，competition，and productivity[EB/OL].http：∥www.mckinsey.com/insights/mgi/research/technologyandinnovation/bigdatathenextfrontierforinnovation，2013-01-15.

[8]李廣建，楊林.大數(shù)據(jù)視角下的情報(bào)研究與情報(bào)研究技術(shù)[J].圖書(shū)與情報(bào)，2012，（6）：3-5.

（本文責(zé)任編輯：孫國(guó)雷）