高端交流平台建设需要把握知识服务的发展大势

张智雄

国家科研论文和科技信息高端交流平台建设是强化国家战略科技力量的重要举措，其最终目标是促进科研信息数据的高效开放共享和广泛传播利用，全面提升对科研活动的服务保障水平。

以前，学术交流平台对科研活动的服务保障被称之为信息服务，而现在，这种服务被越来越多的国内外学者称为知识服务。当前，国际上重要学术交流平台的知识服务正在经历着深刻的发展变革。国家科研论文和科技信息高端交流平台建设需要借鉴当前国际上重要学术交流平台的知识服务的经验，把握好当前知识服务发展的大趋势，顺势而为，乘势而上，提升平台建设的效能。笔者认为当前国际上重要学术交流平台有以下几大趋势，值得引起我国高端学术交流平台建设相关人员的密切关注。

1  从内容汇聚转向对科研活动全生命周期的支撑

内容汇聚是学术交流平台的基础。国际上的重要学术交流平台一般都拥有上百种或上千种的期刊资源。这些期刊资源能够源源不断地为平台提供知识内容，早期的学术交流平台主要实现这些多来源知识内容的有效汇聚、集中揭示和集成服务，构建起了以内容汇聚和销售为主的业务模式。

然而，仅仅是内容的汇聚是不够的，对科研活动的全生命周期进行支持是当前国际上重要学术交流平台的服务理念。早在2010年，麦克米伦科学与教育集团（Macmillan Science & Education）前首席执行官安尼特·托马斯（Annette Thomas）就认识到出版商必须找到除销售论文内容之外的方式为研究人员提供更有价值的支持。为此，她提出了“出版商的新任务是在科学研究过程中的每一个环节为科研人员提供支持”的重要论断，并创建了数字科研公司（Digital Science），开发和集成各类工具，以支持科研人员搜索阅读文献、了解基金项目机会、跟踪同行科研动态、进行科研实验、发布研究成果、共享研究数据、监测其工作影响等的科研活动[1]。目前Digital Science培育和支持了众多知名品牌，如Altmetric、Dimensions、Figshare、ReadCube、Overleaf、Labguru等，以全方位地对科学活动进行支持。

对科研活动的全生命周期进行支持，让科学家能够有更多的时间专注于科研发现，这已成为国际上重要学术交流平台的知识服务理念。

2  从传统期刊论文出版发行转向开放、透明、高效学术交流体系的构建

学术交流体系是存在于科学界中，有效支持科研成果的发表发布、评审评价、交流传播和保存利用的一套系统。学术交流平台最重要的作用就是支撑学术交流体系的运作。

近年来，随着网络化、数字化、智能化技术的发展，人类交流的方式和方法也在不断改进，科学界对学术交流体系的要求也越来越高。传统封闭的同行评议期刊论文交流已不能满足现代科研交流的需要。科学界越来越认识到传统学术交流体系在时效性、开放性、透明性等方面存在着一些需要改进的问题。

国际上一些重要的学术交流平台已充分认识到这种学术交流体系的重大变革性要求，并已在积极布局，努力构建支持开放获取、预印本交流、数据出版、开放出版、透明同行评审、开放评论等新需要的学术交流体系。例如，Springer Nature通过BMC已有效支持论文的开放获取出版，爱思唯尔（Elsevier）于2016年收购了社会科学研究网（Social Science Research Network，SSRN）以构建基于论文手稿交流的预印本平台[2]，泰勒-弗朗西斯出版集团（Taylor & Francis）于2020年初收购F1000 Research以支持开放研究、开放出版、数据出版、透明同行评审等[3]。

尽管上述新型学术交流产品尚未成为目前国际学术平台的主打产品，但国际学术平台的抢先部署，预示着开放、透明、高效的学术交流体系必然是未来发展的重要方向。

3  从信息的检索获取转向内容的分析研究

10年以前，国际学术交流平台提供者都习惯于把自己看成是文献数据库提供商（Literature Database Provider）或者是出版商（Publisher）。但近年来，国际学术交流平台提供者对自己的定位已发生了重大变化。很多的学术交流平台提供者不仅仅把自己看成是数据庫商、出版商，更是知识内容分析服务的提供者。例如Elsevier早在2015年左右就把自己定位为信息方案提供者（Provider of Information Solutions），Wiley则一直认为自己是内容方案的提供者（Provider of Content Solutions），而现在的Elsevier和科睿唯安（Clarivate）都声称自己是信息和数据分析的领导者（Leader in Information and Analytics）。

与之相应，知识内容的分析研究成为了国际重要学术交流平台的服务重点。例如Elsevier就认为科学研究过程中“分析”无处不在，而Elsevier的主要工作就是让每一位从事科学研究的人都能够更轻松地进行“分析”。Elsevier希望帮助科学家更有效地管理他们的研究工作，让科学家能够将更多的时间花在实质性的科学研究工作之上。当前的Elsevier以内容出版为根基，正在积极构建各类知识内容分析的解决方案，以服务于科研的需要[4]。

4  从分类主题组织揭示到知识内容的精细整编

通过对文献进行分类、对文献标注主题词来揭示科技论文的内容，并以此对科研论文进行组织管理，提供论文的分类导航和检索查询服务，这是文献数据库普遍采用的方法。随着一些新技术方法的应用，一些新的语义丰富化技术也在不断应用于文献知识内容的挖掘处理，如自动分类、自动语义标注、知识图谱关系构建等。但是从知识组织加工的层次来看，这些工作依然属于浅层次的分类主题组织揭示。

現在的国际学术交流平台除了关注论文内容本身的组织揭示之外，更加关注文献内容之上相关领域知识的精细化组织整编。一些国际学术交流平台已经培育出很多有价值的知识服务产品，例如，美国化学文摘社（Chemical Abstracts Service，CAS）的SciFinder，Springer Nature的SpringerMaterials、AdisInsight，Elsevier的Reaxys、Knovel、ClinicalKey等。这些产品以文献内容为基础，在专业人员的组织整编之下，有效实现了相关知识内容的集成汇聚，成为化学物质、化学反应、材料研究、药物研发等研究领域非常有用的专业知识工具。

5  从传统信息技术到现代智能技术的广泛应用

信息技术是国际学术交流平台的重要支撑。各类信息技术，如全文索引、检索查询、数据库、网络技术，乃至数据挖掘、自然语言处理、机器学习都能够促进学术交流平台的建设。

近来，基于大规模深度学习的现代人工智能技术在国际学术交流平台中发挥着重要作用。例如，利用深度学习技术方法来探测特定领域的新兴研究趋势，通过自动画像技术揭示相关研究主体的重要方面，利用认知技术从大规模文本或图像数据集中抽提出相关的知识内容等。

一些重要的学术交流平台（如美国化学文摘社，CAS）也充分认识到大数据能够为深度学习带来性能上的大幅提升。因此利用已有的数据资源，为相关领域提供智能化解决方案，已经成为这些学术交流平台的一种重要服务手段。例如，CAS充分利用自身已有的大规模、高质量的化学反应数据支持Bayer公司对相关化合物合成方案可行性的预测，结果显示预测的准确率提高了32%[5]。

6  守正创新，高质量、可信赖的内容是永不过时的主题

科学需要严谨、科研成果要值得信赖。国际学术交流平台对此有着非常明确的认识，都十分关注平台所提供内容的质量水平，明确声称自己所提供的内容是高质量、可信赖的内容。

例如，Elsevier认为其提供的信息都是可信赖的信息（trusted information），并且认为Elsevier一直与学术界合作共同保管和验证知识，其所开发的每一个工具都建立在值得信赖的信息之上。Springer Nature认为其所提供内容是来源可信的（trusted source），并把自己认为是学术记录的验证者和保存管理人，所提供内容具有独立性和严谨性。美国化学学会出版社（ACS Publications）则认为其所提供的内容都经过了可靠的同行评审（trusted peer review），从而保证了所提供内容的质量。而CAS的SciFinder则明确提出，其所提供的信息是专业科学家而非机器人收录的、值得信赖的有关化学物质、反应数据和参考文献的集合。

这些都意味着，提供高质量、可信赖的内容在国际学术交流平台的建设中是一个永不过时的重要主题。

参考文献：

[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.