張智雄

國家科研論文和科技信息高端交流平臺建設(shè)是強(qiáng)化國家戰(zhàn)略科技力量的重要舉措，其最終目標(biāo)是促進(jìn)科研信息數(shù)據(jù)的高效開放共享和廣泛傳播利用，全面提升對科研活動的服務(wù)保障水平。

以前，學(xué)術(shù)交流平臺對科研活動的服務(wù)保障被稱之為信息服務(wù)，而現(xiàn)在，這種服務(wù)被越來越多的國內(nèi)外學(xué)者稱為知識服務(wù)。當(dāng)前，國際上重要學(xué)術(shù)交流平臺的知識服務(wù)正在經(jīng)歷著深刻的發(fā)展變革。國家科研論文和科技信息高端交流平臺建設(shè)需要借鑒當(dāng)前國際上重要學(xué)術(shù)交流平臺的知識服務(wù)的經(jīng)驗(yàn)，把握好當(dāng)前知識服務(wù)發(fā)展的大趨勢，順勢而為，乘勢而上，提升平臺建設(shè)的效能。筆者認(rèn)為當(dāng)前國際上重要學(xué)術(shù)交流平臺有以下幾大趨勢，值得引起我國高端學(xué)術(shù)交流平臺建設(shè)相關(guān)人員的密切關(guān)注。

1? 從內(nèi)容匯聚轉(zhuǎn)向?qū)蒲谢顒尤芷诘闹?/p>

內(nèi)容匯聚是學(xué)術(shù)交流平臺的基礎(chǔ)。國際上的重要學(xué)術(shù)交流平臺一般都擁有上百種或上千種的期刊資源。這些期刊資源能夠源源不斷地為平臺提供知識內(nèi)容，早期的學(xué)術(shù)交流平臺主要實(shí)現(xiàn)這些多來源知識內(nèi)容的有效匯聚、集中揭示和集成服務(wù)，構(gòu)建起了以內(nèi)容匯聚和銷售為主的業(yè)務(wù)模式。

然而，僅僅是內(nèi)容的匯聚是不夠的，對科研活動的全生命周期進(jìn)行支持是當(dāng)前國際上重要學(xué)術(shù)交流平臺的服務(wù)理念。早在2010年，麥克米倫科學(xué)與教育集團(tuán)（Macmillan Science & Education）前首席執(zhí)行官安尼特·托馬斯（Annette Thomas）就認(rèn)識到出版商必須找到除銷售論文內(nèi)容之外的方式為研究人員提供更有價(jià)值的支持。為此，她提出了“出版商的新任務(wù)是在科學(xué)研究過程中的每一個環(huán)節(jié)為科研人員提供支持”的重要論斷，并創(chuàng)建了數(shù)字科研公司（Digital Science），開發(fā)和集成各類工具，以支持科研人員搜索閱讀文獻(xiàn)、了解基金項(xiàng)目機(jī)會、跟蹤同行科研動態(tài)、進(jìn)行科研實(shí)驗(yàn)、發(fā)布研究成果、共享研究數(shù)據(jù)、監(jiān)測其工作影響等的科研活動[1]。目前Digital Science培育和支持了眾多知名品牌，如Altmetric、Dimensions、Figshare、ReadCube、Overleaf、Labguru等，以全方位地對科學(xué)活動進(jìn)行支持。

對科研活動的全生命周期進(jìn)行支持，讓科學(xué)家能夠有更多的時(shí)間專注于科研發(fā)現(xiàn)，這已成為國際上重要學(xué)術(shù)交流平臺的知識服務(wù)理念。

2? 從傳統(tǒng)期刊論文出版發(fā)行轉(zhuǎn)向開放、透明、高效學(xué)術(shù)交流體系的構(gòu)建

學(xué)術(shù)交流體系是存在于科學(xué)界中，有效支持科研成果的發(fā)表發(fā)布、評審評價(jià)、交流傳播和保存利用的一套系統(tǒng)。學(xué)術(shù)交流平臺最重要的作用就是支撐學(xué)術(shù)交流體系的運(yùn)作。

近年來，隨著網(wǎng)絡(luò)化、數(shù)字化、智能化技術(shù)的發(fā)展，人類交流的方式和方法也在不斷改進(jìn)，科學(xué)界對學(xué)術(shù)交流體系的要求也越來越高。傳統(tǒng)封閉的同行評議期刊論文交流已不能滿足現(xiàn)代科研交流的需要?？茖W(xué)界越來越認(rèn)識到傳統(tǒng)學(xué)術(shù)交流體系在時(shí)效性、開放性、透明性等方面存在著一些需要改進(jìn)的問題。

國際上一些重要的學(xué)術(shù)交流平臺已充分認(rèn)識到這種學(xué)術(shù)交流體系的重大變革性要求，并已在積極布局，努力構(gòu)建支持開放獲取、預(yù)印本交流、數(shù)據(jù)出版、開放出版、透明同行評審、開放評論等新需要的學(xué)術(shù)交流體系。例如，Springer Nature通過BMC已有效支持論文的開放獲取出版，愛思唯爾（Elsevier）于2016年收購了社會科學(xué)研究網(wǎng)（Social Science Research Network，SSRN）以構(gòu)建基于論文手稿交流的預(yù)印本平臺[2]，泰勒-弗朗西斯出版集團(tuán)（Taylor & Francis）于2020年初收購F1000 Research以支持開放研究、開放出版、數(shù)據(jù)出版、透明同行評審等[3]。

盡管上述新型學(xué)術(shù)交流產(chǎn)品尚未成為目前國際學(xué)術(shù)平臺的主打產(chǎn)品，但國際學(xué)術(shù)平臺的搶先部署，預(yù)示著開放、透明、高效的學(xué)術(shù)交流體系必然是未來發(fā)展的重要方向。

3? 從信息的檢索獲取轉(zhuǎn)向內(nèi)容的分析研究

10年以前，國際學(xué)術(shù)交流平臺提供者都習(xí)慣于把自己看成是文獻(xiàn)數(shù)據(jù)庫提供商（Literature Database Provider）或者是出版商（Publisher）。但近年來，國際學(xué)術(shù)交流平臺提供者對自己的定位已發(fā)生了重大變化。很多的學(xué)術(shù)交流平臺提供者不僅僅把自己看成是數(shù)據(jù)庫商、出版商，更是知識內(nèi)容分析服務(wù)的提供者。例如Elsevier早在2015年左右就把自己定位為信息方案提供者（Provider of Information Solutions），Wiley則一直認(rèn)為自己是內(nèi)容方案的提供者（Provider of Content Solutions），而現(xiàn)在的Elsevier和科睿唯安（Clarivate）都聲稱自己是信息和數(shù)據(jù)分析的領(lǐng)導(dǎo)者（Leader in Information and Analytics）。

與之相應(yīng)，知識內(nèi)容的分析研究成為了國際重要學(xué)術(shù)交流平臺的服務(wù)重點(diǎn)。例如Elsevier就認(rèn)為科學(xué)研究過程中“分析”無處不在，而Elsevier的主要工作就是讓每一位從事科學(xué)研究的人都能夠更輕松地進(jìn)行“分析”。Elsevier希望幫助科學(xué)家更有效地管理他們的研究工作，讓科學(xué)家能夠?qū)⒏嗟臅r(shí)間花在實(shí)質(zhì)性的科學(xué)研究工作之上。當(dāng)前的Elsevier以內(nèi)容出版為根基，正在積極構(gòu)建各類知識內(nèi)容分析的解決方案，以服務(wù)于科研的需要[4]。

4? 從分類主題組織揭示到知識內(nèi)容的精細(xì)整編

通過對文獻(xiàn)進(jìn)行分類、對文獻(xiàn)標(biāo)注主題詞來揭示科技論文的內(nèi)容，并以此對科研論文進(jìn)行組織管理，提供論文的分類導(dǎo)航和檢索查詢服務(wù)，這是文獻(xiàn)數(shù)據(jù)庫普遍采用的方法。隨著一些新技術(shù)方法的應(yīng)用，一些新的語義豐富化技術(shù)也在不斷應(yīng)用于文獻(xiàn)知識內(nèi)容的挖掘處理，如自動分類、自動語義標(biāo)注、知識圖譜關(guān)系構(gòu)建等。但是從知識組織加工的層次來看，這些工作依然屬于淺層次的分類主題組織揭示。

現(xiàn)在的國際學(xué)術(shù)交流平臺除了關(guān)注論文內(nèi)容本身的組織揭示之外，更加關(guān)注文獻(xiàn)內(nèi)容之上相關(guān)領(lǐng)域知識的精細(xì)化組織整編。一些國際學(xué)術(shù)交流平臺已經(jīng)培育出很多有價(jià)值的知識服務(wù)產(chǎn)品，例如，美國化學(xué)文摘社（Chemical Abstracts Service，CAS）的SciFinder，Springer Nature的SpringerMaterials、AdisInsight，Elsevier的Reaxys、Knovel、ClinicalKey等。這些產(chǎn)品以文獻(xiàn)內(nèi)容為基礎(chǔ)，在專業(yè)人員的組織整編之下，有效實(shí)現(xiàn)了相關(guān)知識內(nèi)容的集成匯聚，成為化學(xué)物質(zhì)、化學(xué)反應(yīng)、材料研究、藥物研發(fā)等研究領(lǐng)域非常有用的專業(yè)知識工具。

5? 從傳統(tǒng)信息技術(shù)到現(xiàn)代智能技術(shù)的廣泛應(yīng)用

信息技術(shù)是國際學(xué)術(shù)交流平臺的重要支撐。各類信息技術(shù)，如全文索引、檢索查詢、數(shù)據(jù)庫、網(wǎng)絡(luò)技術(shù)，乃至數(shù)據(jù)挖掘、自然語言處理、機(jī)器學(xué)習(xí)都能夠促進(jìn)學(xué)術(shù)交流平臺的建設(shè)。

近來，基于大規(guī)模深度學(xué)習(xí)的現(xiàn)代人工智能技術(shù)在國際學(xué)術(shù)交流平臺中發(fā)揮著重要作用。例如，利用深度學(xué)習(xí)技術(shù)方法來探測特定領(lǐng)域的新興研究趨勢，通過自動畫像技術(shù)揭示相關(guān)研究主體的重要方面，利用認(rèn)知技術(shù)從大規(guī)模文本或圖像數(shù)據(jù)集中抽提出相關(guān)的知識內(nèi)容等。

一些重要的學(xué)術(shù)交流平臺（如美國化學(xué)文摘社，CAS）也充分認(rèn)識到大數(shù)據(jù)能夠?yàn)樯疃葘W(xué)習(xí)帶來性能上的大幅提升。因此利用已有的數(shù)據(jù)資源，為相關(guān)領(lǐng)域提供智能化解決方案，已經(jīng)成為這些學(xué)術(shù)交流平臺的一種重要服務(wù)手段。例如，CAS充分利用自身已有的大規(guī)模、高質(zhì)量的化學(xué)反應(yīng)數(shù)據(jù)支持Bayer公司對相關(guān)化合物合成方案可行性的預(yù)測，結(jié)果顯示預(yù)測的準(zhǔn)確率提高了32%[5]。

6? 守正創(chuàng)新，高質(zhì)量、可信賴的內(nèi)容是永不過時(shí)的主題

科學(xué)需要嚴(yán)謹(jǐn)、科研成果要值得信賴。國際學(xué)術(shù)交流平臺對此有著非常明確的認(rèn)識，都十分關(guān)注平臺所提供內(nèi)容的質(zhì)量水平，明確聲稱自己所提供的內(nèi)容是高質(zhì)量、可信賴的內(nèi)容。

例如，Elsevier認(rèn)為其提供的信息都是可信賴的信息（trusted information），并且認(rèn)為Elsevier一直與學(xué)術(shù)界合作共同保管和驗(yàn)證知識，其所開發(fā)的每一個工具都建立在值得信賴的信息之上。Springer Nature認(rèn)為其所提供內(nèi)容是來源可信的（trusted source），并把自己認(rèn)為是學(xué)術(shù)記錄的驗(yàn)證者和保存管理人，所提供內(nèi)容具有獨(dú)立性和嚴(yán)謹(jǐn)性。美國化學(xué)學(xué)會出版社（ACS Publications）則認(rèn)為其所提供的內(nèi)容都經(jīng)過了可靠的同行評審（trusted peer review），從而保證了所提供內(nèi)容的質(zhì)量。而CAS的SciFinder則明確提出，其所提供的信息是專業(yè)科學(xué)家而非機(jī)器人收錄的、值得信賴的有關(guān)化學(xué)物質(zhì)、反應(yīng)數(shù)據(jù)和參考文獻(xiàn)的集合。

這些都意味著，提供高質(zhì)量、可信賴的內(nèi)容在國際學(xué)術(shù)交流平臺的建設(shè)中是一個永不過時(shí)的重要主題。

參考文獻(xiàn)：

[1] Digital Science - A new model for innovation in scholarly communication [EB/OL]. [2021-02-24]. https：//www.digital-science.com/wp-content/uploads/2016/02/Research-to-Reader-Phill-Jones.pdf.

[2] ELSEVIER. SSRN—the leading social science and humanities repository and online community—joins Elsevier[EB/OL]. [2021-02-24]. https：//www.elsevier.com/connect/ssrn-the-leading-social-science-and-humanities-repository-and-online-community-joins-elsevier.

[3] Taylor & Francis Newsroom. F1000 research joins Taylor & Francis Group[EB/OL]. （2020-01-10） [2021-02-24]. https：//newsroom.taylorandfrancisgroup.com/f1000-research-joins-taylor-francis/.

[4] ELSEVIER. Elsevier at a glance empowering knowledge [EB/OL]. [2021-02-24]. https：//www.elsevier.com/__data/assets/pdf_file/0011/874667/ELS-brochure-PDF-2019.pdf.

[5] CAS. Predicting new chemistry： impact of high-quality training data on prediction of reaction outcomes[EB/OL]. [2021-02-24]. https：//www.cas.org/resources/whitepapers/predicting-new-chemistry.