毛平

摘? ?要：大數(shù)據(jù)環(huán)境下，數(shù)據(jù)密集型研究范式逐漸成為人文社科研究的重要范式，并在人文社科領(lǐng)域中取得一批重要研究成果。文章以CSSCI及SSCI、A&HCI數(shù)據(jù)庫(kù)為數(shù)據(jù)來(lái)源，采用定量與定性相結(jié)合的方法，從多個(gè)維度揭示了國(guó)內(nèi)外人文社科大數(shù)據(jù)研究的現(xiàn)狀、熱點(diǎn)及前沿趨勢(shì)，對(duì)比分析了國(guó)內(nèi)外相關(guān)研究的異同。研究發(fā)現(xiàn)：國(guó)內(nèi)外人文社科大數(shù)據(jù)研究均越來(lái)越受到學(xué)者關(guān)注;社會(huì)科學(xué)領(lǐng)域的研究要多于人文科學(xué)領(lǐng)域;國(guó)外研究學(xué)科分布比國(guó)內(nèi)分布更為廣泛;國(guó)內(nèi)外研究熱點(diǎn)主題和趨勢(shì)有較大差異。

關(guān)鍵詞：人文社科;大數(shù)據(jù);研究熱點(diǎn);研究趨勢(shì)

中圖分類號(hào)：G250.2;C3? ?文獻(xiàn)標(biāo)識(shí)碼：A? ?DOI：10.11968/tsyqb.1003-6938.2019002

Abstract Under the environment of big data， data-intensive research has gradually become an important paradigm of humanities and social sciences research， and has achieved a number of important research results in various disciplines. Sorting out the research context of big data in humanities and social sciences at home and abroad can provide reference for future research. By using CSSCI， SSCI and A&HCI databases as data sources， and combining quantitative and qualitative methods， this paper reveals the research status， hot spots and frontier trends of big data research in humanities and social sciences at home and abroad from multiple dimensions， and also compares and analyses the similarities and differences of the research at home and abroad. It is found that the research on big data in humanities and social sciences at home and abroad has attracted more and more attention from scholars， and more research has been done in the field of social sciences than in the field of humanities; the distribution of foreign research disciplines is wider than that in China and the research themes at home and abroad are quite different.

Key words humanities and social sciences;big data;hot topic;research frontier

近年來(lái)，大數(shù)據(jù)逐漸引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。從研究的學(xué)科領(lǐng)域上來(lái)看，大數(shù)據(jù)最早被應(yīng)用于自然科學(xué)特別是計(jì)算機(jī)科學(xué)的研究之中，并在數(shù)據(jù)的獲取、存儲(chǔ)、分析、展示以及管理等方面取得了豐碩的研究成果。較之自然科學(xué)研究較高的數(shù)據(jù)依賴性，傳統(tǒng)人文社會(huì)科學(xué)研究則更多依靠研究者的經(jīng)驗(yàn)、直覺和思辨，以質(zhì)性研究方法居多，數(shù)據(jù)使用相對(duì)較少。然而，隨著社會(huì)信息化水平的不斷提高以及人文社科量化研究方法的不斷探索，大數(shù)據(jù)思維也逐漸滲透到人文社科研究之中，數(shù)據(jù)驅(qū)動(dòng)成為經(jīng)濟(jì)、管理、圖書情報(bào)、新聞傳播、教育、法律、歷史等學(xué)科的新導(dǎo)向，人文社科大數(shù)據(jù)研究逐漸興起。

截至目前，國(guó)內(nèi)外人文社科大數(shù)據(jù)研究已經(jīng)積累了比較豐富的研究成果。然而，現(xiàn)有研究缺少對(duì)國(guó)內(nèi)外人文社科大數(shù)據(jù)研究現(xiàn)狀的有效梳理，難以獲知該領(lǐng)域的國(guó)內(nèi)外研究熱點(diǎn)、發(fā)展趨勢(shì)及研究特色與異同。鑒于此，筆者采用定量與定性相結(jié)合的方法，系統(tǒng)揭示國(guó)內(nèi)外人文社科大數(shù)據(jù)研究的現(xiàn)狀脈絡(luò)與研究差異，旨在為我國(guó)人文社科大數(shù)據(jù)研究和實(shí)踐發(fā)展方向提供參考與借鑒。

1? ?數(shù)據(jù)來(lái)源

國(guó)外研究數(shù)據(jù)以Web of Science中SSCI及A&HCI數(shù)據(jù)庫(kù)為來(lái)源，以“Big Data”為主題進(jìn)行高級(jí)檢索，文獻(xiàn)類型為“Article”，語(yǔ)種為“English”，時(shí)間跨度為1900-2017年，檢索時(shí)間為2018年10月22日，共采集整理得到有效論文2250篇，文獻(xiàn)時(shí)間分布為2010-2017年。國(guó)內(nèi)研究數(shù)據(jù)以中國(guó)社會(huì)科學(xué)引文索引（CSSCI）為來(lái)源，以“大數(shù)據(jù)”為關(guān)鍵詞在CSSCI數(shù)據(jù)庫(kù)中進(jìn)行精確匹配檢索，時(shí)間跨度為1998-2017年，文獻(xiàn)類型為“論文”，檢索時(shí)間為2018年10月22日，剔除重復(fù)數(shù)據(jù)、期刊征文、新聞報(bào)道等共得到1864篇有效論文，文獻(xiàn)時(shí)間分布為2012-2017年。

2? ?研究力量分析

2.1? ? 發(fā)文時(shí)序分布

國(guó)內(nèi)人文社科大數(shù)據(jù)相關(guān)研究始于2012年，從2013年開始爆發(fā)性增長(zhǎng)。本研究將各年發(fā)文量進(jìn)行趨勢(shì)線擬合，R2值為0.9535，較為符合對(duì)數(shù)型分布，表明相關(guān)研究被我國(guó)學(xué)者持續(xù)關(guān)注，該研究領(lǐng)域具有較大研究空間、研究成果將保持穩(wěn)定增長(zhǎng)（見圖1）。

國(guó)外人文社科大數(shù)據(jù)相關(guān)研究比我國(guó)早，始于2010年，興起于2013年。2014年，受各國(guó)政府先后發(fā)布的相關(guān)大數(shù)據(jù)政策的影響，相關(guān)研究發(fā)文數(shù)量開始快速增加。對(duì)各年發(fā)文量進(jìn)行趨勢(shì)線擬合，較為符合指數(shù)型分布，R2值為0.9581，表明人文社科大數(shù)據(jù)研究同樣被國(guó)外學(xué)者廣泛關(guān)注，該領(lǐng)域具有良好的研究前景（見圖2）。

2.2? ? 發(fā)文國(guó)家/地區(qū)分布

從國(guó)際發(fā)文國(guó)家/地區(qū)分布上來(lái)看，發(fā)文量前三位依次為美國(guó)、英國(guó)和中國(guó)，分別發(fā)表873篇、246篇和240篇（見圖3）。各個(gè)國(guó)家發(fā)文量分布總體上體現(xiàn)二八冪律形態(tài)，美國(guó)、英國(guó)、中國(guó)、澳大利亞、韓國(guó)、加拿大和德國(guó)7個(gè)國(guó)家發(fā)文較多，共計(jì)1865篇，占全部發(fā)文量的80%左右，其他67個(gè)國(guó)家/地區(qū)的發(fā)文量占20%左右。從地理位置上看，相關(guān)研究較多的國(guó)家/地區(qū)主要分布于北美、西歐、北歐以及亞洲的中國(guó)、印度、新加坡和臺(tái)灣地區(qū)。這些國(guó)家/地區(qū)ICT基礎(chǔ)設(shè)施較好，網(wǎng)絡(luò)普及率較高。這也表明人文社科大數(shù)據(jù)研究需要具備一定的社會(huì)信息化水平和較好的信息技術(shù)環(huán)境。

從國(guó)際上各國(guó)家/地區(qū)發(fā)文影響力上看，考慮文獻(xiàn)數(shù)量及樣本大小等差異情況下，本文選用基于H指數(shù)改進(jìn)的指標(biāo)Hm指數(shù)[1]衡量各國(guó)發(fā)文影響力，計(jì)算得出排名前三的國(guó)家分別是法國(guó)、澳大利亞和美國(guó)，其Hm指數(shù)值分別是3.26、3.13和3.12，緊隨其后是英國(guó)、中國(guó)、丹麥、荷蘭、德國(guó)、韓國(guó)、加拿大等國(guó)家/地區(qū)。美國(guó)雖在該領(lǐng)域的研究仍然處于領(lǐng)先地位，被引用頻次及篇均被引用頻次是所有國(guó)家中最高的，但從Hm指數(shù)值來(lái)看，發(fā)文量并不算最多的法國(guó)、澳大利亞，其Hm指數(shù)得分值也較高，甚至超過(guò)了美國(guó)。我國(guó)雖然發(fā)文量較高，但Hm指數(shù)得分值與發(fā)文量并不匹配，表明我國(guó)還需要提升發(fā)表論文的國(guó)際影響力。

2.3? ? 發(fā)文學(xué)科及期刊分布

從發(fā)文的學(xué)科分布上來(lái)看，國(guó)內(nèi)人文社科大數(shù)據(jù)研究在學(xué)科分布上并不均衡（見圖4）?？紤]各學(xué)科發(fā)文數(shù)量及發(fā)文增長(zhǎng)速度，大體上可以分為三個(gè)方陣：第一方陣為圖書館、情報(bào)與文獻(xiàn)學(xué)，新聞學(xué)與傳播學(xué)，教育學(xué)和經(jīng)濟(jì)學(xué)4個(gè)學(xué)科，此方陣中的各學(xué)科發(fā)文量多，增長(zhǎng)也較快，特別是圖書館、情報(bào)及文獻(xiàn)學(xué)學(xué)科，發(fā)文數(shù)量尤其突出，遠(yuǎn)遠(yuǎn)高于其他學(xué)科;第二方陣為政治學(xué)、法學(xué)、統(tǒng)計(jì)學(xué)與社會(huì)學(xué)，此方陣中各學(xué)科發(fā)文量及發(fā)文增長(zhǎng)率居中，有較大發(fā)展?jié)摿?第三方陣為文化學(xué)、歷史學(xué)、文學(xué)、藝術(shù)學(xué)等學(xué)科，此方陣中各學(xué)科無(wú)論是發(fā)文數(shù)量還是發(fā)文增長(zhǎng)率都比較低。

鑒于Web of Science中的學(xué)科分布與CSSCI的學(xué)科分布不同，為便于對(duì)比分析，筆者將WOS中部分學(xué)科做合并處理，得到部分學(xué)科統(tǒng)計(jì)結(jié)果（見圖5）。

可以看出，國(guó)外人文社科大數(shù)據(jù)研究在學(xué)科分布上也可以大致分為三個(gè)方陣：第一方陣包括MANAGEMENT、ENVIRONMENTAL STUDIES、INFORMATION SCIENCE LIBRARY SCIENCE三個(gè)學(xué)科，各學(xué)科發(fā)文量及發(fā)文增長(zhǎng)速度要顯著高于其他學(xué)科;第二方陣包括SOCIOLOGY、GEOGRAPHY、COMMUNICATIONS、HEALTH CARE SCIENCES SERVICES、ECONOMICS、EDUCATION SCIENTIFIC DISCIPLINES、LAW、STATISTICS PROBABILITY、ETHICS等學(xué)科，這些學(xué)科雖然發(fā)文量不及前三個(gè)學(xué)科，但發(fā)文量的增長(zhǎng)速度較快;第三方陣包括LITERATURE、HISTORY、ART、CULTURAL STUDIES等學(xué)科，這些學(xué)科發(fā)文量比較少，且增長(zhǎng)速度較慢，甚至有減少的趨勢(shì)。

從發(fā)文期刊分布上看，國(guó)內(nèi)研究主要集中于圖書情報(bào)類期刊，發(fā)文量排名前三位的分別是《情報(bào)理論與實(shí)踐》（75篇）、《圖書與情報(bào)》（67篇）以及《情報(bào)雜志》（60篇），發(fā)文量排名前20的期刊中有7種圖書情報(bào)類，3種教育類，2種新聞傳媒類，2種統(tǒng)計(jì)類，4種編輯出版類，2種管理類。國(guó)外研究發(fā)文量前三位的期刊分別是環(huán)境科學(xué)及綠色可持續(xù)類期刊SUSTAINABILITY（39篇）、環(huán)境科學(xué)類期刊JOURNAL OF CLEANER PRODUCTION（34篇）及醫(yī)學(xué)類期刊PLOS ONE（29篇），其他前十位包括JOURNAL OF THE AMERICAN MEDICAL INFORMATICS ASSOCIATION、SCIENTOMETRICS、INTERNATIONAL JOURNAL OF GEOGRAPHICAL INFORMATION SCIENCE、TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE等，涵蓋信息、法律、人文地理等學(xué)科。

從國(guó)內(nèi)外人文社科大數(shù)據(jù)研究的學(xué)科分布上可以看出，國(guó)內(nèi)外研究的學(xué)科分布存在較大差異：首先，國(guó)內(nèi)研究主要集中于圖書情報(bào)學(xué)、新聞傳播學(xué)、統(tǒng)計(jì)學(xué)和教育學(xué)等學(xué)科上，尤其在圖書情報(bào)學(xué)領(lǐng)域的研究比較多。這是由于大數(shù)據(jù)概念在提出初期，在計(jì)算機(jī)科學(xué)領(lǐng)域有較多應(yīng)用，在我國(guó)人文社科的眾多學(xué)科中，與計(jì)算機(jī)科學(xué)聯(lián)系最為緊密的無(wú)疑是圖書情報(bào)學(xué)，這種聯(lián)系從圖書情報(bào)學(xué)的研究范式演變中可窺豹一斑，因此國(guó)內(nèi)圖書情報(bào)學(xué)在大數(shù)據(jù)的研究上較之其他學(xué)科更多。國(guó)外研究則主要分布在管理學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、圖書情報(bào)學(xué)以及環(huán)境科學(xué)等學(xué)科。除了圖書情報(bào)學(xué)之外，國(guó)內(nèi)研究較多的新聞傳播學(xué)及教育學(xué)并沒有成為國(guó)外研究的重點(diǎn)學(xué)科領(lǐng)域，而在環(huán)境科學(xué)、社會(huì)學(xué)等領(lǐng)域，國(guó)外學(xué)者較之國(guó)內(nèi)學(xué)者關(guān)注更多;其次，國(guó)外相關(guān)研究在各學(xué)科的平均研究熱度要高于國(guó)內(nèi)，即國(guó)外研究中處于第二方陣的學(xué)科較多，體現(xiàn)出百花齊放的形態(tài)，國(guó)內(nèi)研究則主要集中在少數(shù)幾個(gè)領(lǐng)域。這表明，我國(guó)的人文社科大數(shù)據(jù)研究有向社會(huì)學(xué)、環(huán)境科學(xué)、公共衛(wèi)生、健康醫(yī)療等領(lǐng)域擴(kuò)展的空間;最后，國(guó)內(nèi)在地理學(xué)中的研究相對(duì)較少，國(guó)外的相關(guān)研究，尤其是在人文地理方面的研究則相對(duì)較多，這也揭示了地理大數(shù)據(jù)、空間大數(shù)據(jù)等空間變量在人文社科研究中的應(yīng)用，增加了研究維度的豐富性。

2.4? ? 發(fā)文機(jī)構(gòu)分布及合作網(wǎng)絡(luò)分析

從國(guó)內(nèi)研究機(jī)構(gòu)分布上看，發(fā)文量排名靠前的分別是中國(guó)人民大學(xué)、南京大學(xué)、清華大學(xué)、北京大學(xué)、中國(guó)科學(xué)院等。共涉及作者2717名，平均每篇發(fā)文作者數(shù)為1.5個(gè)，表明國(guó)內(nèi)人文社科大數(shù)據(jù)研究的作者合作相對(duì)松散。在機(jī)構(gòu)合作上，全部發(fā)文共涉及1931個(gè)組織機(jī)構(gòu)，各個(gè)研究機(jī)構(gòu)之間的合作也比較分散，沒有形成較大的合作網(wǎng)絡(luò)。

在國(guó)外研究的機(jī)構(gòu)分布上，發(fā)文量排名靠前的機(jī)構(gòu)為密歇根大學(xué)、斯坦福大學(xué)、哈佛大學(xué)、武漢大學(xué)、紐約大學(xué)、麻省理工學(xué)院、華盛頓大學(xué)、中科院、牛津大學(xué)和亞利桑那州立大學(xué)等。共涉及5707名作者，平均每篇發(fā)文作者數(shù)為2.5個(gè)。在國(guó)家/地區(qū)合作上，全部發(fā)文共涉及73個(gè)國(guó)家/地區(qū)，在發(fā)文5篇以上的40個(gè)國(guó)家/地區(qū)中有8個(gè)合作網(wǎng)絡(luò)。在機(jī)構(gòu)合作上，全部發(fā)文共涉及2020個(gè)組織機(jī)構(gòu)，發(fā)文5篇以上的230家機(jī)構(gòu)中，有包括哈佛大學(xué)、斯坦福大學(xué)、牛津大學(xué)、中國(guó)科學(xué)院等在內(nèi)的16個(gè)合作網(wǎng)絡(luò)。本文使用VOSviewer分別繪制國(guó)家/地區(qū)合作網(wǎng)絡(luò)（見圖6）與機(jī)構(gòu)合作網(wǎng)絡(luò)（見圖7），可以看出，各國(guó)家/地區(qū)之間、各機(jī)構(gòu)之間的合作并不十分緊密。

3? ?研究熱點(diǎn)分析

3.1? ? 國(guó)內(nèi)人文社科大數(shù)據(jù)研究熱點(diǎn)

通過(guò)關(guān)鍵詞共現(xiàn)分析可以發(fā)現(xiàn)研究對(duì)象之間的親疏關(guān)系，挖掘潛在的或者隱含的有用知識(shí)，并能夠揭示研究對(duì)象所代表的學(xué)科或者主體的結(jié)構(gòu)與變化[2]。本文以關(guān)鍵詞為對(duì)象，使用CiteSpace軟件構(gòu)建高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)進(jìn)行聚類獲取研究熱點(diǎn)主題（見圖8），共得到11個(gè)主題聚類。其中模塊度Modularity Q值為0.6596，平均輪廓度Silhouette為0.4754，聚類效果良好。

（1）主題類1：大數(shù)據(jù)應(yīng)用。包括“大數(shù)據(jù)”“商業(yè)模式”“社會(huì)治理”“精準(zhǔn)扶貧”“計(jì)算社會(huì)科學(xué)”等關(guān)鍵詞。大數(shù)據(jù)環(huán)境下，商業(yè)模式、社會(huì)治理等多個(gè)人文社科領(lǐng)域出現(xiàn)新的思維模式和實(shí)現(xiàn)方式。如數(shù)據(jù)挖掘已經(jīng)在營(yíng)銷、人力資源、電子商務(wù)等各商業(yè)領(lǐng)域廣泛應(yīng)用，從管理學(xué)的角度應(yīng)用大數(shù)據(jù)技術(shù)以支持商業(yè)分析和決策，成為商學(xué)院教育的熱點(diǎn)方向，以數(shù)據(jù)驅(qū)動(dòng)為主導(dǎo)的金融、市場(chǎng)、戰(zhàn)略、營(yíng)銷和運(yùn)作管理研究和實(shí)踐指導(dǎo)，成為經(jīng)濟(jì)管理重點(diǎn)發(fā)展的核心領(lǐng)域[3]。此外，大數(shù)據(jù)給社會(huì)計(jì)算提供了機(jī)遇，主要呈現(xiàn)兩個(gè)發(fā)展趨勢(shì)：一個(gè)是面向社會(huì)科學(xué)，包括計(jì)算社會(huì)科學(xué)、計(jì)算社會(huì)學(xué)、社會(huì)網(wǎng)絡(luò)分析等;另一個(gè)是面向技術(shù)應(yīng)用，包括社交應(yīng)用、娛樂應(yīng)用、生產(chǎn)應(yīng)用等[4]。如陳云松[5]采用谷歌圖書811萬(wàn)種書籍及8613億詞匯語(yǔ)料庫(kù)，通過(guò)檢索社會(huì)學(xué)的學(xué)科關(guān)鍵詞獲取歷年詞頻數(shù)據(jù)，基于此分析了社會(huì)學(xué)的學(xué)科軌跡，為大數(shù)據(jù)環(huán)境下的計(jì)算社會(huì)學(xué)研究提供了參考。

（2）主題類2：信息素養(yǎng)。包括“數(shù)據(jù)素養(yǎng)教育”“信息素養(yǎng)”“教育治理”“互聯(lián)網(wǎng)+”等關(guān)鍵詞。互聯(lián)網(wǎng)+與各傳統(tǒng)行業(yè)的結(jié)合，要求從業(yè)者具備較高的信息意識(shí)和信息技能等信息素養(yǎng)，能夠判斷何時(shí)需要信息，并懂得如何獲取信息、評(píng)價(jià)信息和有效利用信息成為普適性需求。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)素養(yǎng)是信息素養(yǎng)的一種擴(kuò)展，數(shù)據(jù)意識(shí)、數(shù)據(jù)能力及數(shù)據(jù)倫理等數(shù)據(jù)素養(yǎng)的研究?jī)?nèi)容值得學(xué)者關(guān)注[6]。

（3）主題類3：智慧教育。包括“電子書包”“學(xué)習(xí)分析”“個(gè)性化學(xué)習(xí)”等關(guān)鍵詞。利用在線學(xué)習(xí)產(chǎn)生的痕跡數(shù)據(jù)，分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)及學(xué)習(xí)特征、偏好等，通過(guò)基于大數(shù)據(jù)分析的用戶畫像，為學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)的差異化策略?；诖髷?shù)據(jù)的學(xué)習(xí)分析讓教育變得千人千面，契合“因材施教”理念，適應(yīng)了個(gè)性化和人性化的學(xué)習(xí)需求變化[7]。

（4）主題類4：圖書館信息服務(wù)。包括“圖書館服務(wù)”“信息服務(wù)”“個(gè)性化服務(wù)”“本體”等關(guān)鍵詞。大數(shù)據(jù)為圖書館信息服務(wù)的提升提供了分析基礎(chǔ)，大數(shù)據(jù)可以為圖書館建立各類風(fēng)險(xiǎn)評(píng)估模型、進(jìn)行用戶流失分析及價(jià)值分析、建立新型知識(shí)服務(wù)引擎、建立更加靈活和智能的網(wǎng)絡(luò)化信息資源智能組合形式，從而提升信息服務(wù)質(zhì)量等[8]。

（5）主題類5：情報(bào)服務(wù)。包括“情報(bào)分析”“應(yīng)急決策”“突發(fā)事件”“情報(bào)體系”“情報(bào)工程”“情報(bào)研究”等關(guān)鍵詞。情報(bào)服務(wù)中引入多源頭數(shù)據(jù)，使用大數(shù)據(jù)分析方法、技術(shù)可提升情報(bào)服務(wù)質(zhì)量及實(shí)時(shí)響應(yīng)時(shí)間。如李廣建和江信昱[9]討論了競(jìng)爭(zhēng)情報(bào)、商業(yè)管理、生物醫(yī)學(xué)、政府治理以及軍事情報(bào)等不同領(lǐng)域在大數(shù)據(jù)環(huán)境下的情報(bào)分析的發(fā)展動(dòng)向，指出大數(shù)據(jù)理念與方法對(duì)這些領(lǐng)域產(chǎn)生深刻影響等。

（6）主題類6：統(tǒng)計(jì)學(xué)。包括“小數(shù)據(jù)”“機(jī)遇”“應(yīng)對(duì)策略”等關(guān)鍵詞。大數(shù)據(jù)時(shí)代給統(tǒng)計(jì)學(xué)帶來(lái)了新的生命力，大數(shù)據(jù)的應(yīng)用可提高統(tǒng)計(jì)質(zhì)量、降低統(tǒng)計(jì)成本[10]，但同時(shí)也給傳統(tǒng)的基于小數(shù)據(jù)樣本分析的統(tǒng)計(jì)學(xué)帶來(lái)了挑戰(zhàn)。大數(shù)據(jù)將使傳統(tǒng)統(tǒng)計(jì)學(xué)的研究對(duì)象、計(jì)算規(guī)范及工作過(guò)程等發(fā)生重大轉(zhuǎn)變[11]。

（7）主題類7：數(shù)據(jù)新聞。包括“新聞生產(chǎn)”“新聞傳播”“媒介融合”“重構(gòu)”“文本挖掘”等關(guān)鍵詞。大數(shù)據(jù)環(huán)境影響了新聞傳播工作的方方面面，大數(shù)據(jù)滲透到新聞生產(chǎn)的各個(gè)核心環(huán)節(jié)，大數(shù)據(jù)技術(shù)重新樹立了新聞質(zhì)量的標(biāo)桿，進(jìn)一步提升了新聞受眾反饋的價(jià)值，拓展了用戶分析的廣度與深度。在大數(shù)據(jù)技術(shù)等因素的推動(dòng)下，新聞業(yè)務(wù)實(shí)現(xiàn)方向性調(diào)整，如趨勢(shì)預(yù)測(cè)性新聞和數(shù)據(jù)驅(qū)動(dòng)型深度報(bào)道分量的增加，數(shù)據(jù)呈現(xiàn)、分析與解讀能力的提高，新聞生產(chǎn)中跨界合作的增強(qiáng)等[12]。

（8）主題類8：數(shù)據(jù)公開。包括“政府?dāng)?shù)據(jù)開放”“大數(shù)據(jù)思維”“隱私保護(hù)”“隱私權(quán)”等關(guān)鍵詞。大數(shù)據(jù)應(yīng)用的前提是數(shù)據(jù)的可獲取性與易獲取性，但數(shù)據(jù)公開與隱私保護(hù)卻是天然相悖，數(shù)據(jù)開放邊界的控制、安全的保障、標(biāo)準(zhǔn)的制定、制度的健全仍需要進(jìn)行大量探討。

（9）主題類9：新媒體。包括“社交媒體”“輿論引導(dǎo)”“傳統(tǒng)媒體”等關(guān)鍵詞。新媒體時(shí)代，微信、微博、移動(dòng)終端等自媒體的可視化生產(chǎn)，極大地拓展了傳統(tǒng)媒體的渠道。全民參與社會(huì)新聞傳播與共享的熱情空前，新聞數(shù)據(jù)量激增。新媒體的交互性與即時(shí)性、海量性與共享性、多媒體與超文本、個(gè)性化與社群化特征，產(chǎn)生了基于大數(shù)據(jù)分析的傳播倫理失范識(shí)別、輿情監(jiān)測(cè)以及輿論引導(dǎo)等問(wèn)題的研究訴求。

（10）主題類10：智慧校園。包括“數(shù)據(jù)管理”“高?！薄皠?chuàng)新”等關(guān)鍵詞。校園信息化建設(shè)的重點(diǎn)建設(shè)內(nèi)容之一是打破原有的信息孤島，實(shí)現(xiàn)各業(yè)務(wù)子系統(tǒng)的對(duì)接與融合。系統(tǒng)融合后大量積累的存量數(shù)據(jù)需要活化。通過(guò)對(duì)這些數(shù)據(jù)的清洗、分析和應(yīng)用，可更精準(zhǔn)地支撐校園的日常運(yùn)作與高層決策，從而提升校園智能。

（11）主題類11：網(wǎng)絡(luò)治理。包括“網(wǎng)絡(luò)信息倫理”“網(wǎng)絡(luò)空間”“意識(shí)形態(tài)”等關(guān)鍵詞。移動(dòng)互聯(lián)網(wǎng)的普及，社交媒體的發(fā)展等使得網(wǎng)絡(luò)成為數(shù)據(jù)的重要承載體，成為國(guó)家治理的重要對(duì)象。國(guó)家網(wǎng)絡(luò)治理在大數(shù)據(jù)的場(chǎng)域環(huán)境之下，治理模式的“去中心化”與決策流程的“由下而上”等凸顯出了實(shí)踐的新要求，同時(shí)還面臨著效度困境、合規(guī)困境及安全困境等諸多挑戰(zhàn)[13]。

3.2? ? 國(guó)外人文社科大數(shù)據(jù)研究熱點(diǎn)

對(duì)國(guó)外發(fā)文數(shù)據(jù)構(gòu)建高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)并聚類，得到11個(gè)主題聚類，其中模塊度Modularity Q值為0.5876，平均輪廓度Silhouette為0.6499，聚類效果良好。

（1）主題類1：Big Data Analysis（大數(shù)據(jù)分析），包括“predictive analytics”“prediction”“model”“decision making”“algorithm”“forecasting”“intelligence”等關(guān)鍵詞。主要集中于大數(shù)據(jù)分析的算法、模型以及在預(yù)測(cè)、決策支持、商務(wù)智能等方面的應(yīng)用。如商務(wù)智能分析領(lǐng)域數(shù)據(jù)框架的相關(guān)問(wèn)題以及大數(shù)據(jù)分析在商務(wù)智能各領(lǐng)域的應(yīng)用等。

（2）主題類2：Social Media（社交媒體），包括“social network”“web”“twitter”“facebook”“communication”“community”“online”“sentiment analysis”“user-generate content”“content analysis”等關(guān)鍵詞。Web2.0環(huán)境下Twitter、Facebook等新型社交媒體蓬勃發(fā)展。社交媒體的網(wǎng)絡(luò)關(guān)聯(lián)性及信息承載性，使得基于短視頻、短文本、標(biāo)簽等社交媒體UGC的研究成為學(xué)者關(guān)注的課題。如Twitter發(fā)布內(nèi)容情緒與股票市場(chǎng)預(yù)測(cè)[14]、基于社交媒體發(fā)布內(nèi)容分析的疾病預(yù)測(cè)[15]等。

（3）主題類3：Public Health（公共健康），包括“clinical trial”“personalized medicine”“bipolar disorder”“genomics”“heath care”“self-tracking”等關(guān)鍵詞。傳感器、可穿戴設(shè)備的使用，使得心跳、脈搏等淺層次、日常化、自追蹤個(gè)人健康數(shù)據(jù)更易獲得，專業(yè)醫(yī)療設(shè)備的研發(fā)使得基因組學(xué)等深層次、專業(yè)性個(gè)人健康數(shù)據(jù)日益精細(xì)化，結(jié)合數(shù)字化醫(yī)學(xué)文獻(xiàn)資源，借助文本挖掘等大數(shù)據(jù)分析方法及臨床試驗(yàn)，實(shí)施精準(zhǔn)醫(yī)療、個(gè)人健康護(hù)理與保健等成為研究的重要內(nèi)容。如結(jié)合使用電子健康記錄中的健康醫(yī)療數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析識(shí)別和管理高風(fēng)險(xiǎn)和高成本的病人等[16]。

（4）主題類4：Urban Planning（城市規(guī)劃），包括“gi”“smart city”“pattern”“visualization”等關(guān)鍵詞。遙感、測(cè)繪等空間技術(shù)的發(fā)展以及VGI（Volunteered Geographic Information）等眾包方式的推廣，大量空間地理數(shù)據(jù)積聚，這些空間地理數(shù)據(jù)的分析處理為城市規(guī)劃乃至智慧城市的建設(shè)提供決策支撐。如使用居民移動(dòng)電話數(shù)據(jù)進(jìn)行土地使用的社會(huì)功能分類[17]、基于VGI信息的社會(huì)與政治問(wèn)題研究等[18]。

（5）主題類5：National Governance（國(guó)家治理），包括“government”“politics”“survey research”“policy implication”“innovation”“efficiency”等關(guān)鍵詞。基于大數(shù)據(jù)分析可提升政策制定與執(zhí)行的準(zhǔn)確度與效度，進(jìn)而提升國(guó)家治理能力。如利用居民個(gè)體事務(wù)網(wǎng)絡(luò)數(shù)據(jù)中包含的個(gè)體交互行為，通過(guò)數(shù)據(jù)分析獲取個(gè)體間社會(huì)關(guān)聯(lián)，進(jìn)而據(jù)此進(jìn)行行政區(qū)劃的邏輯劃界，替代自然物理劃界方式，從而提高政策受眾的相關(guān)性[19];通過(guò)對(duì)大數(shù)據(jù)的分析為公共部門決策者提供廣泛的新信息，進(jìn)而改善政策的執(zhí)行等[20]。

（6）主題類6：Sustainability（可持續(xù)），包括“energy”“climate change”“Land resource management”等關(guān)鍵詞。工業(yè)經(jīng)濟(jì)發(fā)展帶來(lái)的環(huán)境污染以及資源消耗問(wèn)題日益受到環(huán)境科學(xué)學(xué)者們的關(guān)注，基于水、森林、土地、碳排放等大數(shù)據(jù)分析輔助決策是研究的主體。如空氣污染與公民健康問(wèn)題[21]等。

（7）主題類7：Machine Learning（機(jī)器學(xué)習(xí)），包括“regression”“selection”“accuracy”“data mining”“big data analytics”等關(guān)鍵詞。此部分研究主題為機(jī)器學(xué)習(xí)方法在大數(shù)據(jù)分析中的應(yīng)用。計(jì)算機(jī)科學(xué)在機(jī)器學(xué)習(xí)算法上的持續(xù)改進(jìn)和更迭，為人文社科大數(shù)據(jù)研究提供了工具支撐，人文社科大數(shù)據(jù)研究中需明確相關(guān)機(jī)器學(xué)習(xí)算法的應(yīng)用場(chǎng)景和結(jié)果的可解釋性。

（8）主題類8：Privacy（隱私），包括“surveillance”“policy”“ethic”等關(guān)鍵詞。數(shù)據(jù)開放共享的要求與個(gè)人隱私保護(hù)的矛盾，引起各國(guó)學(xué)者、政府部門對(duì)于隱私權(quán)、監(jiān)管、道德倫理的廣泛討論。研究課題涉及危害個(gè)人信息隱私的用戶信息軌跡追蹤，數(shù)據(jù)挖掘等大數(shù)據(jù)分析算法的內(nèi)生歧視等倫理道德問(wèn)題[22-23]等。

對(duì)比國(guó)內(nèi)外人文社科大數(shù)據(jù)研究熱點(diǎn)，可以發(fā)現(xiàn)，國(guó)內(nèi)外研究存在一部分相似的研究熱點(diǎn)主題，如社交媒體，大數(shù)據(jù)治理、數(shù)據(jù)開放等主題，但也存在比較明顯的研究熱點(diǎn)差異，如國(guó)內(nèi)的相關(guān)研究在圖書館信息服務(wù)、情報(bào)服務(wù)、信息素養(yǎng)、新媒體、網(wǎng)絡(luò)治理等領(lǐng)域有著較多的研究和關(guān)注，國(guó)外的相關(guān)研究則在城市規(guī)劃、健康醫(yī)療、隱私保護(hù)、道德倫理、人文地理、可持續(xù)發(fā)展等主題上相對(duì)國(guó)內(nèi)關(guān)注更多。

4? ?研究前沿分析

4.1? ? 國(guó)內(nèi)研究前沿

突現(xiàn)詞（Burst Terms）能準(zhǔn)確反映某個(gè)領(lǐng)域的研究前沿，適合探測(cè)某個(gè)新興領(lǐng)域的趨勢(shì)和突然變化，運(yùn)用Kleinberg突現(xiàn)探測(cè)算法可得到該領(lǐng)域的突現(xiàn)詞語(yǔ)。

國(guó)內(nèi)人文社科大數(shù)據(jù)研究最早的突現(xiàn)詞是開始于2012年的“云計(jì)算”“圖書館服務(wù)”“數(shù)據(jù)挖掘”和“數(shù)據(jù)處理”，其中“云計(jì)算”和“數(shù)據(jù)挖掘”突現(xiàn)度高達(dá)8.0和6.9，是當(dāng)時(shí)核心前沿研究?jī)?nèi)容。數(shù)據(jù)處理能力是制約數(shù)據(jù)驅(qū)動(dòng)型研究的瓶頸，云計(jì)算通過(guò)分布式架構(gòu)與并行處理技術(shù)極大地提升了計(jì)算能力。計(jì)算能力的提升則極大地推動(dòng)了數(shù)據(jù)挖掘、數(shù)據(jù)處理等技術(shù)的深入研究和廣泛應(yīng)用，人文社科研究領(lǐng)域逐漸在研究中使用分類、聚類、關(guān)聯(lián)規(guī)則等數(shù)據(jù)挖掘技術(shù)。

2013-2014年，“社交媒體”“競(jìng)爭(zhēng)情報(bào)”“語(yǔ)義網(wǎng)”“信息服務(wù)”“知識(shí)服務(wù)”等成為國(guó)內(nèi)研究關(guān)注重點(diǎn)。Web2.0環(huán)境下，國(guó)內(nèi)微信、微博、博客以及網(wǎng)絡(luò)社區(qū)等自媒體工具及網(wǎng)絡(luò)社交平臺(tái)不斷涌現(xiàn)，吸引大量用戶參與，社交媒體平臺(tái)也成為全社會(huì)數(shù)據(jù)量存儲(chǔ)的重要載體。受國(guó)外研究影響，我國(guó)在社交媒體領(lǐng)域研究開始持續(xù)增長(zhǎng)。本質(zhì)上而言，語(yǔ)義網(wǎng)（Semantic Web）、鏈接數(shù)據(jù)（Linked Data）及Web3.0含義相同，是用更豐富的方式來(lái)表達(dá)數(shù)據(jù)背后的含義，是數(shù)據(jù)、信息組織的重要研究?jī)?nèi)容。大數(shù)據(jù)背景下，海量、多源、異構(gòu)數(shù)據(jù)的有效組織是重要研究問(wèn)題?！案?jìng)爭(zhēng)情報(bào)”為國(guó)內(nèi)圖書情報(bào)學(xué)研究?jī)?nèi)容，受大數(shù)據(jù)環(huán)境及數(shù)據(jù)挖掘技術(shù)等的影響，競(jìng)爭(zhēng)情報(bào)工作在數(shù)據(jù)采集等方面面臨新的局面。

2014-2015年，“互聯(lián)網(wǎng)金融”“信息服務(wù)”“知識(shí)服務(wù)”“城市規(guī)劃”，“智慧校園”等成為研究前沿，人文社科大數(shù)據(jù)研究開始逐漸向圖書情報(bào)、金融、教育、城市規(guī)劃等各個(gè)學(xué)科領(lǐng)域擴(kuò)散。從2015年至今，“個(gè)人信息權(quán)”“應(yīng)急決策”“開放數(shù)據(jù)”“智慧教育”“智慧城市”“媒體融合”“輿論引導(dǎo)”等體現(xiàn)較高突現(xiàn)性。數(shù)據(jù)的海量、多源可獲取是大數(shù)據(jù)研究的基礎(chǔ)，數(shù)據(jù)的開放共享是推動(dòng)人文社科大數(shù)據(jù)研究的重要因素，然而開放數(shù)據(jù)和隱私保護(hù)天然相悖，因此在關(guān)注開放數(shù)據(jù)的同時(shí)，個(gè)人信息權(quán)的研究也將成為未來(lái)研究關(guān)注的課題。除此以外，在智慧城市、智慧教育、應(yīng)急決策、新媒體融合、網(wǎng)絡(luò)治理等領(lǐng)域的進(jìn)一步深入研究將成為未來(lái)的前沿研究方向。

4.2? ? 國(guó)外研究前沿

運(yùn)用Kleinberg突現(xiàn)探測(cè)算法得到國(guó)外人文社科大數(shù)據(jù)研究突現(xiàn)性關(guān)鍵詞，最早的突現(xiàn)詞是始于2012年的“social network”“social media”“web”“twitter”“facebook”等。社交平臺(tái)的廣泛使用，UGC數(shù)據(jù)的大量積累，使得社交網(wǎng)絡(luò)、社交媒體引起學(xué)者廣泛研究興趣，研究的科學(xué)問(wèn)題涉及股市預(yù)測(cè)、政治選舉、行政區(qū)域劃分等多個(gè)方面。

2013-2014年，“public policy”“news”“methodology”“digital humanity”“culture”等成為突現(xiàn)詞。國(guó)家政府公共政策，尤其是數(shù)據(jù)開放共享及個(gè)人隱私保護(hù)政策被研究者所關(guān)注，人文社科大數(shù)據(jù)研究中的方法論、數(shù)字人文成為研究關(guān)注領(lǐng)域。

2014-2015年，“ict”“mobility”“politics”“l(fā)arge data set”“outcome”“online”“gi”“l(fā)aw”“personal information”“sociology”成為突現(xiàn)詞，人文社科大數(shù)據(jù)相關(guān)研究向經(jīng)濟(jì)、政治、法律、社會(huì)學(xué)等各學(xué)科領(lǐng)域逐步擴(kuò)展。

2015年至今，除“web”“online”“personal information”“l(fā)aw”等早期突現(xiàn)詞研究前沿仍將持續(xù)外，還出現(xiàn)了“visualization”“regression”“spatial analysis”“urban planning”“genomics”“care”“self-tracking”“community”“complexity”等新興突現(xiàn)詞，所體現(xiàn)城市規(guī)劃、精準(zhǔn)醫(yī)療、公共衛(wèi)生、人文地理、空間分析、可視化領(lǐng)域可能成為未來(lái)的研究前沿。

5? ?結(jié)論

本文運(yùn)用計(jì)量分析與內(nèi)容分析相結(jié)合的方法，對(duì)于國(guó)內(nèi)外人文社科大數(shù)據(jù)研究現(xiàn)狀及趨勢(shì)進(jìn)行了探討，并分析了國(guó)內(nèi)外研究的差異，得出以下結(jié)論：

（1）通過(guò)國(guó)內(nèi)外人文社科大數(shù)據(jù)研究發(fā)文數(shù)量情況對(duì)比分析，發(fā)現(xiàn)國(guó)內(nèi)外的相關(guān)研究成果增長(zhǎng)均十分迅速，該領(lǐng)域具有良好研究前景。國(guó)內(nèi)的研究雖起步相對(duì)較晚，但近幾年在國(guó)際化研究成果中的產(chǎn)出速度逐步增快。國(guó)內(nèi)外的研究均呈現(xiàn)多學(xué)科交叉融合態(tài)勢(shì)，但國(guó)外在多學(xué)科交叉研究上要優(yōu)于國(guó)內(nèi)。

（2）通過(guò)國(guó)內(nèi)外人文社科大數(shù)據(jù)研究的發(fā)文期刊分布狀態(tài)及對(duì)比分析，發(fā)現(xiàn)國(guó)內(nèi)研究在學(xué)科分布不如國(guó)外研究學(xué)科分布均衡，國(guó)內(nèi)研究有著較為明顯的偏向圖書情報(bào)、管理學(xué)及教育學(xué)傾向，國(guó)外研究則是在環(huán)境科學(xué)、圖書情報(bào)學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)、社會(huì)學(xué)、地理學(xué)、醫(yī)藥信息、健康護(hù)理等更多的領(lǐng)域有涉足，雖然國(guó)外研究的統(tǒng)計(jì)口徑為多個(gè)國(guó)家，不同國(guó)家之間可能各有側(cè)重，但仍能給我國(guó)學(xué)者以有益啟示。

（3）通過(guò)國(guó)內(nèi)外人文社科大數(shù)據(jù)研究發(fā)文國(guó)家/地區(qū)分布，機(jī)構(gòu)分布及合作網(wǎng)絡(luò)狀態(tài)揭示和對(duì)比分析，發(fā)現(xiàn)研究主要集中于社會(huì)信息化水平較高地區(qū)，國(guó)外研究主要集中于密歇根大學(xué)、斯坦福大學(xué)、哈佛大學(xué)、牛津大學(xué)等機(jī)構(gòu)，國(guó)內(nèi)研究機(jī)構(gòu)主要集中于中國(guó)人民大學(xué)、武漢大學(xué)、南京大學(xué)、清華大學(xué)、北京大學(xué)等，國(guó)家/地區(qū)之間的合作及各機(jī)構(gòu)之間的合作相對(duì)較少，但國(guó)外機(jī)構(gòu)之間的合作要多于國(guó)內(nèi)，國(guó)內(nèi)未來(lái)需要加強(qiáng)，尤其是加強(qiáng)與國(guó)外研究機(jī)構(gòu)之間的合作，進(jìn)而提升學(xué)術(shù)國(guó)際影響力。

（4）通過(guò)國(guó)內(nèi)外人文社科大數(shù)據(jù)研究熱點(diǎn)及研究前沿揭示及對(duì)比，發(fā)現(xiàn)國(guó)內(nèi)外研究熱點(diǎn)主題均呈現(xiàn)出多樣化分布特點(diǎn)，且在社會(huì)科學(xué)領(lǐng)域的研究均要多于人文領(lǐng)域的研究。國(guó)內(nèi)外部分研究熱點(diǎn)相似，但也存在較為明顯的差異。國(guó)外研究的主題相對(duì)國(guó)內(nèi)而言更加分散和均衡，關(guān)注的研究熱點(diǎn)涉及大數(shù)據(jù)分析、社交媒體、健康醫(yī)療、城市規(guī)劃、可持續(xù)發(fā)展、國(guó)家治理、人文地理等多個(gè)學(xué)科領(lǐng)域的多個(gè)主題;國(guó)內(nèi)的研究熱點(diǎn)主題主要集中于大數(shù)據(jù)應(yīng)用、信息素養(yǎng)、社會(huì)治理、數(shù)據(jù)公開、新媒體、教育大數(shù)據(jù)等領(lǐng)域。未來(lái)國(guó)內(nèi)研究可向城市規(guī)劃、健康醫(yī)療、法律、可持續(xù)發(fā)展等領(lǐng)域擴(kuò)展?？臻g分析、人文地理、環(huán)境管理、知識(shí)服務(wù)、社交網(wǎng)絡(luò)、媒體融合、健康醫(yī)療、城市規(guī)劃、智慧城市等領(lǐng)域可能成為國(guó)內(nèi)外研究前沿，未來(lái)人文社科大數(shù)據(jù)研究可予以關(guān)注。

參考文獻(xiàn)：

[1]? Molinari J，Molinari A.A New Methodology for Ranking Scientific Institutions[J].Scientometrics，2008，75（1）：163-174.

[2]? 王曰芬，宋爽，盧寧，等.共現(xiàn)分析在文本知識(shí)挖掘中的應(yīng)用研究[J].中國(guó)圖書館學(xué)報(bào)，2007，33（2）：59-64.

[3]? 馮芷艷，郭迅華，曾大軍，等.大數(shù)據(jù)背景下商務(wù)管理研究若干前沿課題[J].管理科學(xué)學(xué)報(bào)，2013（1）：1-9.

[4]? 孟小峰，李勇，祝建華.社會(huì)計(jì)算：大數(shù)據(jù)時(shí)代的機(jī)遇與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2013（12）：2483-2491.

[5]? 陳云松.大數(shù)據(jù)中的百年社會(huì)學(xué)——基于百萬(wàn)書籍的文化影響力研究[J].社會(huì)學(xué)研究，2015（1）：23-48.

[6]? 黃如花，李白楊.數(shù)據(jù)素養(yǎng)教育：大數(shù)據(jù)時(shí)代信息素養(yǎng)教育的拓展[J].圖書情報(bào)知識(shí)，2016（1）：21-29.

[7]? 姜強(qiáng)，趙蔚，王朋嬌，等.基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn)[J].中國(guó)電化教育，2015（1）：85-92.

[8]? 樊偉紅，李晨暉，張興旺，等.圖書館需要怎樣的“大數(shù)據(jù)”[J].圖書館雜志，2012，31（11）：63-68，77.

[9]? 李廣建，江信昱.不同領(lǐng)域的情報(bào)分析及其在大數(shù)據(jù)環(huán)境下的發(fā)展[J].圖書與情報(bào)，2014（5）：7-12.

[10]? 朱建平，張悅涵.大數(shù)據(jù)時(shí)代對(duì)傳統(tǒng)統(tǒng)計(jì)學(xué)變革的思考[J].統(tǒng)計(jì)研究，2016，33（2）：3-9.

[11]? 朱建平，章貴軍，劉曉葳.大數(shù)據(jù)時(shí)代下數(shù)據(jù)分析理念的辨析[J].統(tǒng)計(jì)研究，2014，31（2）：10-17.

[12]? 彭蘭.“大數(shù)據(jù)”時(shí)代：新聞業(yè)面臨的新震蕩[J].編輯之友，2013，1（1）：6-10.

[13]? 張琳，楊毅.大數(shù)據(jù)視野下國(guó)家網(wǎng)絡(luò)治理路徑優(yōu)化研究[J].湖北社會(huì)科學(xué)，2015（5）：43-49.

[14]? Bollen J，Mao H，Zeng X.Twitter Mood Predicts the Stock Market[J].Journal of Computational Science，2011，2（1）：1-8.

[15]? Ireland M E，Schwartz H A，Chen Q，et al.Future-Oriented Tweets Predict Lower County-Level Hiv Prevalence in the United States[J].Health Psychology，2015，34（Sl）：1252-1260.

[16]? Bates D W，Saria S，Ohno-Machado L，et al.Big Data in Health Care：Using Analytics to Identify and Manage High-Risk and High-Cost Patients[J].Health Affairs，2014，33（7）：1123-1131.

[17]? Pei T，Sobolevsky S，Ratti C，et al.A New Insight into Land Use Classification Based on Aggregated Mobile Phone Data[J].International Journal of Geographical Information Science，2014，28（9）：1988-2007.

[18]? Elwood S，Goodchild M F，Sui D Z.Researching Volunteered Geographic Information：Spatial Data，Geographic Research，and New Social Practice[J].Annals of the Association of American Geographers，2012，102（3）：571-590.

[19]? Ratti C，Sobolevsky S，Calabrese F，et al.Redrawing the Map of Great Britain from a Network of Human Interactions[J].PlOS ONE，2010，5（12）：e14248.

[20]? Stough R，Mcbride D.Big Data and U.S. Public Policy[J].Review of Policy Research，2014，31（4）：339-342.

[21]? Chen X Y，Shao S，Tian Z H，et al.Impacts of Air Pollution and Its Spatial Spillover Effect on Public Health Based on China's Big Data Sample[J].Journal of Cleaner Production，2017，142（Sl）：915-925.

[22]? Barocas S，Selbst A D.Big Data's Disparate Impact[J].California Law Review，2016，104（3）：671-732.

[23]? Mittelstadt B D，F(xiàn)loridi L.The Ethics of Big Data：Current and Foreseeable Issues in Biomedical Contexts[J].Science and Engineering Ethics，2016，22（2）：303-341.

作者簡(jiǎn)介：毛平（1983-），男，南京大學(xué)信息管理學(xué)院博士研究生，研究方向：網(wǎng)絡(luò)信息資源管理、大數(shù)據(jù)分析。