DIM专刊—数据科学OR信息科学，由武汉大学马费成、美国北卡罗来纳大学教堂山分校Gary Marchionini担任特约编辑组稿。全新上线，速来围观！

 

导   导     言学术领域发生着日新月异的变化，新旧观念相互挑战，新问题的不断涌现也对人类的智慧和现有解决方案提出挑战有些变化是通过修订或扩展现有的原则或技术产生的，而有一些则是通过突破或库恩范式的

转移产生的在过去的一个世纪里，电子技术的惊人发展（晶体管已经有75年的历史）激发了跨学术领域的许多变化，并促进了新领域和工具的创造和发展其中一个重大的变化便是在纳秒级别生成海量输出流这些输出包括自动化过程。

中生成的主要信号，以及与这些过程相关的交易日志和元数据为了分析这些输出数据，数学和统计学已经演变出新的分析技术，计算机科学和电气工程迅速发展，创造新的算法和硬件以加快处理效率，信息科学则采用技术和实践来监控、管理和保存与传统人类过程并行的机器过程的输出。

这些变化的范围和数量促进了这些领域在数据科学名义下的整合和适应很多不同的学术领域都在积极讨论这些相互作用和互补的学科在未来几十年里将如何随着数据科学的发展而继续发展、繁荣和演变本期专题重点关注信息科学与新兴数据科学概念的交集与差异。

两位主编分别发表了各自的观点，同时还邀请了四名来自美国、德国、爱尔兰和澳大利亚等多个国家的信息科学领域的学者分别从学界和业界的角度对信息科学与数据科学给出了他们自己的看法诚然，这六篇论文并不是对这一重要趋势的最终定论，但我们希望它们将促进讨论，并朝着循证决策和问题解决的关键挑战取得进展。

我们邀请作者们广泛自由地思考数据和信息，并表达他们对信息科学和数据科学发展、教育和实践的现状和未来的想法作为Data and Information Management的联合主编，北卡罗来纳大学教堂山分校信息与图书馆学院院长Gary。

Marchionini从学科背景、分析单元、学科的意义以及对人类产生的影响这四个方面对比了信息科学与数据科学的不同他追溯了信息科学作为一门学科的发展历程并对其主要规律进行了阐述，同时他也认为数据科学是一个新兴的领域，它与信息科学可以相互补充。

南京大学叶鹰教授和武汉大学马费成教授共同合作完成了题为“数据科学与信息科学的联系与区别”一文文章通过一个数学模型来解释了数据-信息-知识-智慧这一金字塔模型，这一模型最早是由Rowley在2007年提出的。

文章将金字塔模型中的数据与信息都视为客观概念，它们在某些方面具有共同特征同时，文章把知识和智慧看作是由客观数据和信息属性聚合而成的主观概念澳大利亚莫纳什大学信息技术学院Gillian Oliver教授是iSchools

新当选的下届主席，她的论文主要关注信息专业人员和信息工作的演变，她认为数据科学的诞生是信息职业持续演变的体现她通过运用社会学家安德鲁·阿伯特（Andrew Abbott）所提出的关于职业的本质和发展的相关。

理论对信息职业进行分析，认为数据问题相关课程必然是iSchools课程的重要组成部分本质上，iSchools应该同时考虑数据和信息，而不是只重视其中的一个美国加州大学Robert J.Glushko教授通过分析一个模拟商业案例来研究整合数据科学和信息科学的可能性，该案例研究发现数据科学院项目中存在技术焦点过于狭隘，缺乏对项目人员和业务方面的关注等失误点，反映了现实世界中以技术为中心而非以商业为中心的思维所带来的后果。

他使用这些失误点来说明如何利用信息科学的观点和技术来避免这些陷阱德国洪堡大学图书情报学院前院长、iSchools联盟执行主席Michael Seadle和爱尔兰都柏林大学信息与传播研究学院讲师Stefanie Havelka利用信息的完整性和隐私提出了一种信息哲学，他们认为信息科学与数据科学的区别在于其对意义的关注，并提出信息是一个适用于所有人类的抽象概念，信息本身更类似于认识论而非技术的研究领域。

美国华盛顿大学信息学院教授Chirag Shah教授将数据科学和信息科学视为两个不同的学科，它们分别从不同的传统和观点发展而来他指出每个领域都有其相应的价值，并强调信息科学的一些关键特征，这些特征使其成为数据科学的一个有吸引力的归属或相关领域。

信息科学和数据科学课程都为学生讲授技术和理论，然而学校必须清楚地阐明这些技术和理论所源自的观点和文化，这样学生才能选择最符合他们职业规划的课程，雇主也才能决定从哪些项目中招聘学生来满足他们的商业需求引用格式：

MLAFei-Cheng Ma,Gary Marchionini. “Introduction to the special issue on data science and information ei-science.”

Data and Information Management.2023:10.1016/j.dim.2023.100034.APAFei-Cheng Ma, Gary Marchionini .(2023).Introduction to the special issue on data science and information science.

Data and Information Management, 10.1016/j.dim.2023.100034.作者简介：

马费成（Fei-Cheng Ma）武汉大学人文社科资深教授，博士生导师，教育部人文社会科学重点研究基地武汉大学信息资源研究中心首席科学家，大数据研究院院长

Gary Marchionini美国北卡罗来纳大学教堂山分校信息与图书馆学院院长扫码查看下载本文

#1文章题目：Information and data sciences: Context, units of analysis, meaning, and human impact中文题目：信息与数据科学：背景、分析单位、意义和

人类影响引用格式：MLAGary Marchionini. “Information and data sciences: Context, units of analysis, meaning, and human impact.

”Data and Information Management. 2023:10.1016/j.dim.2023.100031.APAGary Marchionini.(2023).Information and data sciences: Context, units of analysis, meaning, and human impact

.Data and Information Management, 10.1016/j.dim.2023.100031.摘要：    信息科学已发展近一个世纪，与其相关的研究领域——数据科学，正产生着令人振奋的影响。

本文为信息科学和数据科学的发展提供了一个框架将“数据”和“信息”这两个术语与“知识”进行比较，然后将由此产生的研究和实践领域，即数据科学和信息科学，在背景程度、主要关注点、对意义的考虑和对人类影响的关注等因素上进行比较。

作者简介：

Gary Marchionini美国北卡罗来纳大学教堂山分校信息与图书馆学院院长扫码查看下载本文

#2文章题目：The past, the present, and the future of information and data sciences: A pragmatic view中文题目：信息与数据科学的过去、现在和未来：实用视角

引用格式：MLAChirag Shah. “The past, the present, and the future of information and data sciences: A pragmatic view.”

Data and Information Management.2023:10.1016/j.dim.2023.100028.APAChirag Shah.(2023).The past, the present, and the future of information and data sciences: A pragmatic view.

Data and Information Management, 10.1016/j.dim.2023.100028.摘要：    虽然数据科学和信息科学是两个有着不同根源的独立学科，但近年来，它们以有趣且有影响力的方式相互融合。

传统意义上对数据和信息的区别很难解释以它们命名的两门科学之间的异同例如，如果有人声称，信息是“有意义的数据”，那么需要注意的是，数据科学的主要目标其实是从数据中获得有意义的信息信息科学并不一定是数据科学的超集或更高层次。

这两个学科都凭借不同的过去、路径和可能性在科学中赢得了自己的一席之地在这里讨论它们时，我们需牢记这一点，应该同时追溯它们的起源并理解它们在当前情境下的地位比过去和现在更重要的是，它们接下来会走向何方本文提供了一些建议，。

    以使数据科学在信息科学中保持有意义的地位——前者具有独特性，后者具有优势。作者简介：

Chirag Shah美国华盛顿大学信息学院教授扫码查看下载本文

#3文章题目：Information science: Why it is not data science中文题目：信息科学：为什么它不是数据科学引用格式：MLAMichael Seadle,Stefanie Havelka. “Information science: Why it is not data science.”

Data and Information Management.2022:10.1016/j.dim.2023.100027.APAMichael Seadle,Stefanie Havelka. (2023).Information science: Why it is not data science.

Data and Information Management, 10.1016/j.dim.2023.100027.摘要：数据和数据集在没有参考其知识背景、空间、时间和社会环境的情况下是不完整且毫无意义的。

一个认真的研究者在不了解数据来源和意义的情况下，无法用数据证明任何事情信息必须始终包含背景，而当前实践的信息科学正代表了背景与数据的结合在现代社会，信息隐私是一个特别重要的话题，但人们对其理解往往不足作者简介：

Michael Seadle德国洪堡大学图书情报学院前院长、iSchools联盟执行主席

Stefanie Havelka爱尔兰都柏林大学信息与传播研究学院讲师扫码查看下载本文

#4文章题目：Seven ways to make a data science project fail中文题目：七种让数据科学项目失败的方法引用格式：MLARobert J. Glushko. “Seven ways to make a data science project fail.”

Data and Information Management.2023:10.1016/j.dim.2023.100029.APARobert J. Glushko.(2022).Seven ways to make a data science project fail.

Data and Information Management, 10.1016/j.dim.2023.100029.摘要：数据科学作为一个领域的迅速崛起，使其从行业角度成为信息科学的竞争对手或替代品特别是，在数据科学中，“大数据”概念以及对“黑箱”技术的过度依赖，强调了项目中使用的数据量，并提问“我们拥有什么数据”，而非“我们需要什么数据来解决我们的业务问题。

”这种观点也削弱了领域专业知识、用户研究、数据语义和来源等在信息科学中受到重视的因素的重要性本文通过一个综合性（并带有些许夸张）的数据科学项目案例研究，讨论了它注定失败的七种方式，然后解释了“良好的信息科学”如何预防或缓解这些问题。

数据科学和信息科学需要认识到，它们结合在一起相较于单独完成，可以取得更多成果作者简介：

Robert J. Glushko美国加州大学伯克利分校教授扫码查看下载本文

#5文章题目：Data science and the information professions: Challenges and opportunities中文题目：数据科学与信息专业人员：挑战与机遇

引用格式：MLAGillian Oliver. “Data science and the information professions: Challenges and opportunities.”

Data and Information Management.2023:10.1016/j.dim.2023.100030.APAGillian Oliver.(2023).Data science and the information professions: Challenges and opportunities

.Data and Information Management, 10.1016/j.dim.2023.100030.摘要：    信息科学与数据科学密切相关，但在信息专业人员的教育课程中，它们之间的关系和协同作用可能尚未得到充分关注。

因此，在数据密集型环境中，信息专业人员可能被视为关联性较小，无法展示他们在这类环境中能够做出的独特贡献信息专业人员所具备的知识和技能与数据的社会、文化和道德层面密切相关，这对于成功的数据治理至关重要如果信息专业人员不积极参与数据项目，他们可能会将其专业领域拱手让给其他职业。

作者简介：

Gillian Oliver澳大利亚莫纳什大学信息技术学院教授、iSchools侯任主席扫码查看下载本文

#6文章题目：An essay on the differences and linkages between data science and information science中文题目：数据科学与信息科学的差异与联系

引用格式：MLAFred Y. Ye , Fei-Cheng Ma. “An essay on the differences and linkages between data science and information science.”

Data and Information Management. 2023:10.1016/j.dim.2023.100032.APAFred Y. Ye , Fei-Cheng Ma.(2023).An essay on the differences and linkages between data science and information science.

Data and Information Management, 10.1016/j.dim.2023.100032.摘要：尽管数据科学与信息科学在研究对象和方法论上存在差异，但它们之间也存在联系这种联系基于DIKW概念链的层次结构，即数据-信息-知识-智慧。

知识度量为数据-信息-知识-智慧提供了定量联系，信息可视为数据的对数，知识则是信息的对数，在此基础上揭示了布鲁克斯信息科学基本方程的运作机制建议在数据科学和信息科学中保持相似的原则，包括顺序原则、相关性原则、重组转换原则、离散分布原则、对数视角原则和最小努力原则。

此外，还进一步讨论了关于知识科学的其他重要问题作者简介：

叶鹰（Fred Y. Ye）南京大学教授

马费成（Fei-Cheng Ma）武汉大学人文社科资深教授，博士生导师，教育部人文社会科学重点研究基地武汉大学信息资源研究中心首席科学家，大数据研究院院长扫码查看下载本文

Data and Information Management(DIM)是由武汉大学信息管理学院、武汉大学信息资源研究中心主办，国际知名学术出版商爱思唯尔（Elsevier）出版的开放获取（Open Access）学术期刊，

已被SCOPUS收录且入选FMS高质量期刊推荐列表，旨在促进数据驱动下跨领域的信息管理研究DIM承担所有出版费用（APC），并为作者提供高水准的同行评议、高品质的编辑加工、专业化的出版平台和全方位的推广传播，欢迎各位踊跃来稿！。

中国科学技术情报学会健康信息学专业委员会2023年年会专刊征稿｜慢性病数据管理论文荐读 | 基于SEIRR模型的知识传播与共享的影响因素分析DIM入选《FMS管理科学高质量期刊推荐列表2022》排版 | 苏华

审核 | 许洁、沈校亮

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186