大数据时代高校学科评价理念分析

(1)立足河南，放眼全国　本书结合中原经济区的发展大背景，进一步深入地研究河南省学科发展现状和河南省高校科研的真正实力，尤其关注河南省唯一的211工程大学以及河南高校的学科和科研发展状况。学科评价必须立足本省，放眼全国，最终为本省学科和科研竞争力的提升提供服务和参考咨询，只有这样，该研究才具有现实意义和实践价值。

(2)定性定量结合，客观评价　本研究的数据来源主要是ESI、SCI、SSCI、EI、CPCI、MEDLINE、CSCD、CNKI、CSSCI、DII等国内外大型数据库，数据量大，数据客观、真实、可靠，能够反映学科发展的真实情况，同时开展专家咨询，研究和探讨数据分析结果的准确性，因此定性和定量研究相结合的学科评价理念，为客观评价和分析提供了保障。

(3)大数据理念　“大数据”作为时下最火热的IT行业的词汇，与数据仓库、数据安全、数据分析、数据挖掘等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。

大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。《计算机学报》刊登的《架构大数据:挑战、现状与展望》一文列举了大数据分析平台需要具备的几个重要特性，对当前的主流实现平台——并行数据库、MapReduce及基于两者的混合架构进行了分析归纳，指出了各自的优势及不足，同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍，对未来研究做了展望。(www.xing528.com)

作为特指的大数据，按美国易安信公司的界定，其中的“大”是指大型数据集，在10TB规模左右;多用户把多个数据集放在一起，形成PB级的数据量;同时这些数据来自多种数据源，以实时、迭代的方式来实现。IBM把大数据概括成了三个“V”，即大量化(Volume)、多样化(Variety)和快速化(Velocity)。大数据通常与SQL、数据分析与挖掘、数据仓库、商业智能，以及开源云计算架构等诸多热点话题联系在一起。

作为泛指的大数据，则指定制化、差异化、个性化方向的竞争力。例如，美国奥巴马总统委员会的科技顾问Stephen Brobst所说:“过去3年里产生的数据量比以往4万年的数据量还要多，大数据时代的来临已经毋庸置疑。我们即将面临一场变革，新兴大数据将成为企业发展的当务之急，而常规技术已经难以应对PB级的大规模数据量。这一变化所带来的挑战，是成功的企业在未来发展过程中必须要面对的。只有那些能够运用这些新数据型态的企业，方能打造可持续的重要竞争优势。”

以2002～2012年间中国学术期刊网络出版总库中收录的大数据方面的论文为研究样本，借助多元统计分析工具SPSS 17.0中的聚类分析、多维尺度分析和Ucinet可视化工具，从发文增长规律、作者分布、研究机构分布、期刊分布以及高频关键词等多角度进行文献计量分析及可视化分析，结果表明，目前我国学者对大数据的研究还处于起步阶段，研究主要集中在计算机学科领域，但是对大数据的立项比较多，说明现在更多人在关注大数据的研究，通过大数据或海量数据来揭示学科发展的状况。