摘要: STAR METRICS项目是美国联邦政府开展并实施的,针对因缺乏数据和信息支持而导致的政府科技决策失灵问题,以评估科研成果外部社会影响及其社会贡献为目标的科研评估项目。该项目自运行至今共有两个阶段,第一阶段聚焦美国联邦政府科研投入对劳动力就业的影响,第二阶段聚焦联邦政府的科研投入对科学知识、社会产出、劳动力产出与经济增长的影响。本研究通过收集STAR METRICS官网以及美国相关政府部门网站中关于STAR METRICS项目的第一手资料,系统梳理了该项目的缘起、实施流程、数据收集及评估指标等方面,并对其独具的优势和面临的挑战进行了深入分析,籍此为我国科技政策与科研评估改革提供三点启示:关注并开展科研成果的非学术影响评估;构筑并完善机构数据共享网络;提升科技政策决策科学化水平。
摘要: 通过全面分析人工智能技术在国际知识管理领域中的应用,了解目前该领域的主要研究主体、热点主题、高影响力文献,并推测今后的研究方向。选取Web of Science 作为数据来源,对检索得到的388篇论文通过可视化软件CiteSpace和VOSviewer从年代分布、关键词、文献共被引、期刊叠加等方面进行统计分析。结果显示,文本挖掘、嵌入性、认知计算、故障管理等是该研究领域的前沿热点。大数据、平衡核心卡、临床决策支持认知计算等可能是今后研究的新热点。同时,识别得到了该领域活跃的研究主体、高影响力文献及期刊的学科分布领域。