南京艺术学院图书馆 王莉

数据已经成为当下信息社会的推动剂，每个行业和领域都身在其中，已然是重要的生产因素。人们对于海量数据的挖掘和运用，促进了社会生产力的发展，掌握数据便是掌握了未来。本文对第二届“慧源共享”全国高校开放数据创新研究大赛的重要组成部分——学术训练营前后的工作作了梳理和总结，并对下一步的大赛作了展望。

长三角地区在教育方面发展较快，对数据的汇聚、流通、共享和开放要求较高，为了鼓励高校师生和相关研究者利用开放数据，通过各种工具进行研究、应用，把各种力量集合起来培养、提升大学生的数据素养，在上海市教育委员会、上海市经济和信息化委员会的指导与支持下，复旦大学图书馆、上海市教育委员会信息中心和上海市科研领域大数据联合创新实验室联合长三角如浙江大学图书馆、南京大学图书馆、安徽大学图书馆等地区的各行业企业和各个高校，向全国高校师生举办第二届开放数据创新研究大赛系列活动。

1 研究背景

近年来全世界、全中国，各行各业都在谈大数据、数据的重要性，大数据、数据仓储、数据治理、数据管理等概念层出不穷。更有“得数据者得天下”的说法，毛基业说：以前数据和软件是结合的，现在数据成资产了，拥有数据数据者拥有天下。新华网报道称：我国大数据产业发展将迎来“黄金期”，产业聚集将进一步特色化发展，技术融合创新将更加深入，工业大数据对智能制造的赋能效应将进一步释放，政务大数据将成为提高政府服务效能的有力支撑，大数据安全和数据跨境流动将成为国家和社会关注的焦点。图书馆行业具有对各种新兴信息技术和理念的高度敏感性，不少图书馆设立了新的和数据收集管理分析有关的部门，或者在图书馆相关部门设立了数据管理岗位。谢嘉蕙等研究图书馆的科研数据岗位与人员设置情况，认为我国研究图书馆应积极开展数据管理，丰富研究内容，以需求为导向培养优秀数据馆员。左志林通过调研数据馆员环境、管理机制和实践，重点对北京图书馆、复旦图书馆研究，借鉴国外的先进经验、结合我国高校和政策等实际情况，提出适合我国高校图书馆发展数据馆员的道路。图书情报专业期刊《现代图书情报技术》也改名为《数据分析与知识发现》，刊物主要转向数据方面的研究内容。

2 赛程

数据大赛系列活动于2020年4月至12月开展，具体分为三个部分：

（1）“数据悦读”学术训练营（4.23-6.18）：面向高校师生，请各个行业和领域的数据科学家，进行专题讲座，在线直播，形成课程。

（2）数据竞赛（4.23-10.31）：大赛提供图书馆业务数据、电子资源访问行为数据、互联网采集数据、特色数据4类数据共16个高价值数据集。参赛团队可自定选题或参照选题指南开展研究，以研究论文+论文海报+研究数据（以上为必交内容）+数据应用（选交内容）的形式参与竞赛。大赛鼓励选手围绕抗击疫情和社会经济恢复等热点问题开展研究。

（3）成果孵化（11.1-12.31）：通过出版大赛优秀论文集、推荐发表优秀获奖论文、推荐出版优秀数据、支持优秀成果落地转化、推荐实习等途径，为参赛团队提供更多机会和支持。

3 “数据悦读”学术训练营

3.1 训练营巡回站点概况

学术训练营从复旦大学图书馆首站开场，历经华东师范大学站、上海大学站、上海交通大学站、上海外国语大学站、上海海洋大学站、上海电力大学站、南京大学站、上海师范大学站、浙江大学站、上海财经大学站、安徽大学站、东华大学站，最后以复旦大学站收尾，一共13站，形成一个完美的闭环。

训练营讲座场场爆满，报名团队也稳中有增。使得“数据”这个词在4月到6月之间成了个高校关注的话题。在总站和分站的努力下，每次数据训练营的人数非常可观，最低一场人数2500人次，最高一场人数5900人次。各站具体人数如图1所示。

图1 数据训练营各站线上参会人数Fig.1 Number of participants on each station line of data training camp

3.2 训练营导师

3.2.1 训练营导师基本信息

大赛数据训练营邀请了各领域专家30名，他们学科背景、专业所长不同，从多个角度解读了数据、大数据对社会、对行业的作用，从他们的讲座和报告中我们能看出当今社会数据的重要性。

3.2.2 训练营讲座题目

题目是内容的最直接体现，学术训练营的30名导师的讲座，内容包罗万象，涵盖了生产生活中的很多场景，讲座题目如下。

大数据、第四范式与AI；政务大数据价值及应用场景；基于用户行为日志的推荐系统；电力大数据的挑战与应用展望；能源电力大数据的挖掘技术和方法；能源时空数据库建设：夯基础、立潮头；数据分析方法及其在海洋大数据中的应用；人口大数据：历史、现实和未来；数据驱动企业创新式管理；大数据时代的对象代理数据库系统TOTEM；大数据与大科学；基于时空大数据的北京市城市空间格局分析；用数据说话：专家科研能力评估；超大型城市公共数据治理探索；数据治理与机器学习：从理论到实践；大数据可视化赋能电子商务；数据叙事：如何让大众更好地理解数据？；文本挖掘的应用；新冠疫情的公共危机属性及对中国宏观经济的影响；在线社交网络用户行为研究；我国智慧城市的发展变迁与思考。

3.2.3 训练营讲座内容关键词汇聚

30位专家的讲座从宏观到微观，围绕国计民生，各个行业，详细阐述了他们的观点，数据详实、观点新颖，给广大参会者分享了一个个学术盛宴。从报告中提取核心关键词，这些关键词反映了报告的内容和趋势。下面是排前20位的关键词。

大数据；数据库；技术；AI；科学；管理系统；趋势；元数据；数据管理；采集；存储；分析；人工智能；知识图谱；本体；机器学习；数据；管理；数据安全；数据共享。

3.2.4 训练营读者关注话题关键词汇聚

讲座结束后，会有互动环节，互动环节所提的问题，正是与会者关注的话题，从这些问答中提取核心关键词，如下为排前20位的关键词。

大数据；互联网；物联网；数据资源；国际影响力；发展现状；知识图谱；人工智能；数字人文；学科本体；机器学习；区块链；数据共享；数据治理；社交媒体；数据；数据拼接；迭代分类；数据清洗；可视化。

4 大赛报名情况

本次数据大赛通过各省图工委、高校数字图书馆联盟、图书馆、合作的政府部门、期刊杂志社、自媒体等，通过主页、邮件、微博、微信公众号、QQ专业群、微信专业群以及广大用户的口口相传，获得了高校和相关团体的高度关注，关注人数和报名参赛团队呈持续增长势头，报名参赛数为755支队伍，报名参赛的学校分布在全国各地，有29个省市自治区都有人员参加。报名参加的院校共有187所，报名人数位列前10的是：上师大112、浙大70、武大34、东华大学32、安大26、复旦24、上财19、上对外经贸18、南大17、武汉理工17。

5 大赛数据集

3C的快速发展，全球数据爆炸式增长。人们发现海量的数据、复杂的数据是人类发展的重要经济资产，有效的数据分析与挖掘将推动国家、企业乃至整个社会的高效、可持续发展。数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。我国把数据、大数据的应用提到了战略层的意义，认为这是关系国计民生的重要事实依据，“掌握数据就是掌握了未来”的概念已经深入人心。在这种背景下，上海地区相关部门率先举办了“慧源共享”全国高校开放数据创新研究大赛。

数据集包括：高校图书馆业务数据集、上海市中小学生图书馆借阅数据集、复旦大学ERU数据集、CADAL用户行为数据集、万方数据知识服务平台期刊文献用户行为日志、中小学生数字图书馆单页阅读记录数据集、百度贴吧自闭症吧用户发帖回帖数据集2017-2019、美国新闻记者招聘数据集、上海高新技术企业数据集、上交所科创板企业数据集、长三角地区社会变迁调查数据集、当代中国社会生活资料书信数据集(百姓家书)、第二届学生“好问题”征集评选活动数据集（首次提问）、e成科技简历脱敏数据集、中国流动人口动态监测调查数据集、全国中小学晓黑板直播课堂互动数据集。

6 数据大赛小结及展望

本次数据大赛前期已经结束，目前是参赛选手利用数据进行研究的阶段。总结前期赛事，特点如下：

（1）国家重视、政策保障。上海地区发起的数据大赛，有地方政府、科研机构、数据公司、高校等多方面的牵头与协调，进展非常顺利。（2）组织有力、宣传到位。复旦大学图书馆成立专门组织来进行这项工作，联合广大主办单位，采取全方位矩阵式宣传，使得公众的知晓度、认知度和参与度空前高涨。（3）辐射范围广、参赛高校多。从数据地图可以看出，全国有29个省市有高校参加了数据大赛，共有187所高校报名参与了大赛，共有755支队伍。（4）数据收集范围广、数据条目多。这次大赛数据集包括16个大类别，基本能满足研究者使用，参赛队伍也可以使用自有数据来进行研究。（5）学术训练营专家多、话题广。这次邀请的30位专家来自不同的行业和领域。所讲内容无不是事关数据核心和行业前沿的。听来十分开阔眼界，也为第二步的基于大赛数据进行创新研究指明了方向。

数据大赛目前进行后面的阶段。从整个大赛看来，今年的规模远大于2019年，展望下一阶段以及后续赛事，应该可以看到：

（1）今年大赛参赛队伍众多，成果应该非常多，对于奖项的竞争也会非常激烈，我们期待那些让人眼前一亮并且能够落地的创新成果展示在大众视野。（2）赛事规模会进一步扩大，联合主办的图书馆会进一步增多，参赛院校和队伍也会越来越多。（3）数据集会进一步扩大，能尽可能覆盖各个行业的数据，真正形成全国范围的“大数据”。（4）大赛会更开放，开放的思想、开放的数据，才能孕育出创新的成果。