5.3 大数据应用——出版流程优化与大数据思维
在现有采编系统进一步优化的基础上,运用大数据思维,借用CNKI等数据库中的“大数据”,并将“两微一端”等新媒体的数据作为补充,可以完成大数据的引入和应用(图1)。在前期的选题策划中去捕捉、筛选信息,在中期的组稿审稿中去评估、优化信息,在后期的出版发行中去推送、传播信息。大数据思维就是——用数据说话,用数据决策,用数据管理,最终实现用数据创新。
(1)积极获取信息。学术期刊网站记录了大量投稿作者的相关数据,而大数据正是通过“加工”数据实现“增值”的。
(2)加强选题策划。大数据的核心是“预测”,即预测未来的发展趋势。很多人认为,只有图书才有选题,但在大数据时代,要办好一本学术期刊,细致的选题策划也必不可少。
目前,我们可以通过以下方式来把握选题方向:①根据CNKI的被引频次和下载频次,确定高被引论文的选题。②根据CNKI“大数据研究平台”的“学术趋势搜索”及“学术研究热点”,以及“国家级科研项目”“中国学术会议在线”“国家科技报告服务系统”等网站,来检索科研热点的主题、相关国家课题、研究人员和研究机构等主要信息。③利用文献计量软件,通过共词分析、共被引分析、耦合分析→聚类分析→研究热点。④考虑到CNKI等数据库都有一定的时滞,还需要通过网站、微博、微信的点击率、下载率等相关即时“热点”数据,来确保期刊选题具有先进性和前瞻性。
(3)优化约稿组稿。首先,根据选题策划的要求,通过中国知网的大数据,检索出最合适的作者进行精准约稿。其次,调研这些作者的论文数量、被引次数及期刊等级,建立组稿梯队:重点、一般及候补。再次,应主动与校内院系、图书馆、科研部门等密切联系,关注最新的科研动态,引导相关研究人员进行撰稿,确定约稿内容。另外,编辑还可利用两微一端等新媒体进行约稿,如在微信社区中发布约稿函,开展约稿的新社交。
(4)优化审稿与专家库。①判断来稿质量,给作者分级。首先,从CNKI知网等数据库,获取作者以往的刊物层次、论文被引等,从外部预估作者投稿的水平。其次,由CNKI的学术热点及趋势搜索,以及题目、关键词判断研究方向的选题热度与重要度。再次,根据作者论文中介绍的前人工作及本文的创新点,从论文本身预估其创新性。最后,再结合论文的排版,综合判断来稿的质量,并对来稿作者进行分级。②优化专家库,对专家评级。建立“自动”的审稿专家库,根据学科专业和研究方向自动发送审稿,如无响应,则自动派发下一位专家直至审回。应评出优秀、合格与不合格的专家,对质量高、时间短的审稿专家,系统应能自动前移。若库内没有合适的审稿专家,可以通过中国知网等数据库将其加入,也可以利用“两微一端”等自媒体来随时扩建专家库。③增加开放评审,设置快审通道。专家评审仍采用双盲审稿。但在设定的评审期内,接受大众评议及公开投票,并分别给予专家和大众评审不同的权重,实现量化评审。时效性要求的稿件,可以设置快速审稿通道,例如:考虑用微信等自媒体,组建一个临时讨论组,快速评审稿件。
(5)优化编辑校对。对于在校学生,需加强在线指导以规范其论文投稿及写作,还可以编制作者自检指南、稿件自查表等。当作者稿件上传至采编系统后,应能自动识别稿件格式。与要求不符的,自动返给作者修改。
现在很多编辑加工的内容是重复的,如相同的专业用语、
参考文献等,可运用如三才的NoteFirst
参考文献编校系统、周丽的检查数据单位的Excel文档等,将节省编辑大量的精力。
“见文不见刊”的时代,编辑应编好每一篇文章,特别是文章题目的标注、关键词的修改等,更应引起特别重视。“小屏阅读”需要大篇幅凝练及二次加工,当编辑完成Word排版工作后,用XML语言对每篇文章的内容进行多媒体的拆分、标注,最后期刊再整体利用XML软件转为HTML文件,实现全流程的数字化出版,并实现由平面编辑→多媒体编辑的转型。
(6)出版发行、交流传播、服务营销。现在应借助中国知网、微博与微信、今日头条等,随时随地通过学术圈社交平台交换、发布学术信息、公布选题计划、开展学术讨论。学术期刊对读者免费、开放获取,实现传播最快化。应用RSS等,扩大发行范围。“一种内容、多种媒体、同步出版”,全方位地展示自己的学术成果。坚持“录用一篇、出版一篇”的原则,将每篇文章设置一个二维码,多产品数字出版,如优先出版、网络首发、数据论文、语义出版、增强出版、预出版、超星域出版、HTML5等。学术内容自身有一定的时效性,定期整刊→“随时、分篇”所取代,且可以用“E-ONLY”、先发后审、单篇出版等出版论文。
学术期刊可对每个用户的需求了如指掌。大量阅读数据,如读者构成、阅读好恶、阅读时间、笔记内容……,通过这些读者在网上留下的“脚印”,精准地进行“用户画像”,并更好地为他们服务。做好读者满意度调查及交流服务,会更有助于增加用户黏性及忠诚度。
学术期刊可以将资源高度整合后,可以靠卖移动终端、卖客户链,以及链接到企业网站收取广告费、流量费及服务费来盈利。其他多种新型的盈利模式,如微信的原创文章打赏,微博的收费问答等也不断涌现。众筹,众包,按需生产,分页购买等多种创新出版模式比比皆是。
(7)人员与管理。学术期刊的困境,根本上源于人的困境:①要有足够的人员。如果无法调配,也可暂聘兼职编辑,以弥补人员不足的问题。②要加强编辑培训。让编辑多参加业务以及科研培训,对青年编辑采用“导师制”,充分发挥老编辑“传帮带”作用; 此外,还应鼓励编辑读取在职“研究生”,让编辑逐步成才。③提升编辑的多种能力。大数据时代,除了具有编辑加工能力外,编辑还要有网络版权和安全意识,以及更强的社交能力,要努力成为学者型、记者型、销售型编辑。④打造编辑人才数据库。与其他期刊合作,共同实现优秀编辑人才的资源共享。⑤编辑部还要大胆的进行体制创新,才能吸引众多优秀的人才。
(8)刊内校内融合。首先,要做好刊内多媒体融合,利用“两微一端”等新媒体,以取得综合传播效果。然后,再进行校内融合,将分散于各部门如科研处、研究生院、图书馆等的校内读者数据,关联利用。
5.5 大数据应用——大数据的合作与融合
社交网站——“人与人”(如腾讯),搜索引擎——“人与信息”(如百度),电子商务——“人与商品”(如京东),电子支付——“人和资金”(如支付宝),而大数据解决了——“人和服务”的问题。大数据将使出版业的融合扩大与加速,从而使人与服务的联结成为可能。内部加速整合,外部不断融合,这已是大势所趋。
(1)刊-刊融合——先与其他期刊合作。在发达国家,80%市场掌握在20%的集团手中[11]。目前,期刊的竞争已是集团间的竞争,绝非“单打独斗”。仅依靠期刊自身,很难在“论文海洋”和“期刊森林”中引起关注。应本着“自愿”的原则,组建期刊联盟,“抱团取暖”,在联盟内统一投稿、查稿和审稿。发挥“资源、品牌、竞争”优势,共同做大做强。目前联盟主要有有两类:一类由行业学会主导,如中国地质学会组建的“中国地学期刊网”; 另一类是特殊集群,如“中国高校系列专业期刊”。
(2)刊-网融合——再与出版平台合作。这里的“网”,是指知网等网络出版平台。学术期刊或联盟,为克服技术和资金不足等问题,选择中国知网等出版平台作为合作对象,依托其规模化与专业化的优势“借船出海”,“中国高校系列专业期刊”便是如此。
(3)刊-网-馆融合——后与图书馆合作。学术期刊或联盟除与知网等出版平台合作外,再探索与图书馆等信息服务部门进行“刊-网-馆”融合[12],完成“内容生产商→信息服务商→知识服务商”的转变。
5.7 评价方式的新变革
学术评价的根本目标是为了鼓励学术创新。“期刊评价论文,机构评价期刊”,用大数据为期刊分级,有一定的合理性。但大数据时代,“见文不见刊”及核心期刊的弱化已是大势所趋。如果再人为的为期刊分级设定统计源,违背了大数据“一切数据平等”的理念。
在大数据时代,将全方位的评价论文和期刊。在评价主体上,对全社会开放,“表达平台”及“监督平台”将随之产生,其间的争议也将不证自明; 在评价指标上,不独重文献被引率,整体评价发表文献,过去受轻视的复合影响因子等众多指标,将重新分配权重; 在评价时态上,发表前客观预测,发表后实时跟踪; 在评价标准上,下载量、点击量、点赞量、投票量等大众指标也将进行统计,虽然其在学术性上相对较弱,但其广泛的用户量不容小觑。2017年9月,浙江大学《优秀网络文化成果认定实施办法(试行)》,将发布于网媒的原创作品认定为“学术论文”,并首次纳入职称评定、评奖评优的考核范围,这是论文评价方式的一次变革。大数据也给普通期刊提供了一个“弯道超车”的机会,只要文章足够优秀,就能享受大数据多元化评价带来的优势和便利。现在跨数据库的大数据学术评价,也已经开始尝试。评价成员的大众化、指标的多样化、标准的综合化,将推动学术期刊评价体系日益的科学化。
