排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
科研大数据共生作为科研大数据共享的重要过程,在科研数据生成过程中发挥着至关重要的作用,探究其内在机理具有重要的理论价值和实践价值。文章在共生理论的基础上,给出"科研大数据共生"的概念,构建了科研大数据共生模型(SM-SRBD),然后从维度分析、共生方程分析与寄生机制的关联分析等几个方面,深入阐释了科研大数据共生的内在运行机理,分析了科研大数据共生和寄生之间的趋利型和趋害型两类演化路径。研究表明:科研大数据共生是一个以利益维、自由度维、空间维、时间维、强度维等不同维度的共生活动为核心活动体系,以"共生数据源"为基,以"数据共生方程"为过程逻辑,以实现优势互补、共同成长(或偏利成长)并生成共生化新数据、构建科研大数据命运共同体、提升科研大数据质量为目标,不断趋于优化的泛在化、协同化的动态进化过程。 相似文献
2.
[目的/意义]科研大数据风险长期蛰伏于科研活动过程,威胁着科研大数据的健康发展,探究科研大数据风险传导的核心机理,解构其形成—传导过程,能够为后续相关研究提供理论参考。[方法/过程]构建科研大数据风险传导模型(RCM-SRDB),从要素、维度等方面深入分析,并进一步对科研大数据风险的传导路径进行多维度解读。[结果/结论]研究表明,科研大数据风险传导是一个以风险原体、风险散播者、传导介质、风险感染者为链条,以生态本质使然、自我主义驱使、安全技术时滞、多元环境威胁为诱因,以时间维、空间维、层次维、强度维为风险核心维度,以线形靶向路径、多重交互路径、星形扩散路径、孤波—分形式路径为传导路径,以危害科研大数据生态系统健康发展为潜在威胁的动态多维过程。 相似文献
3.
[目的/意义]科研大数据开放共享是科技创新发展的关键,唤醒休眠科研大数据充分挖掘其价值潜能,对于促进数据资源及科研大数据生态的良性发展具有重要的理论与实践意义。[方法/过程]以生物休眠理论为基础,提出“科研大数据休眠”的概念,并对其发展特性进行分析,进而对其类型划分以及对应的消解机制和演化路径进行论述。[结果/结论]科研大数据休眠是以自发性、潜伏性、再生性、触发性、多线性为特征,以数据被动或主动休眠为类型,以数据激活、数据复苏、数据价值重塑的三阶模型(A-R-R机制)为消解机制,以减少数据被动休眠、促进数据复苏及价值重塑为目标的多路径、多层次、循环式动态演化过程。 相似文献
1