当期荐读 2021年第6期 | 从幕后到台前:数据要素化带来图情学科发展机遇与挑战（内含视频摘要）

     ISSN 1003-2797

     CN 42-1085/G2

     双月刊

     同行评审期刊

陆瑶①   卢超①   董克②   夏伊彤①   李文妍①

①河海大学商学院,南京,211100

②武汉大学信息管理学院,武汉,430072

目的/意义

在数据要素化背景下，研究数据要素化以及数据要素市场化有利于图情学科积极应对这一变革。

研究设计/方法

在梳理数据到数据要素的发展历程、总结数据要素化与要素市场化面临的发展问题与新动向的基础上，探讨图情学科发展的机遇与挑战。

结论/发现

数据到数据要素经历五个发展阶段；当前数据要素化与要素市场化面临权利边界不清晰、分类分级不统一、价值计量难度大和流通机制不完善四大问题；存在数据市场培育、数据权属确认与数据价值评估三大发展方向。对此，图情学科面临数据要素治理、数据要素管理、数据要素质量控制、数据要素市场培育四个方面的机遇，并面临学科发展、学科内涵、人才培养等方面的挑战。

创新/价值

详细梳理了数据要素研究现状并进行系统性总结，提出此背景下图情学科的发展机遇与挑战。

关键词

数据要素  数据要素市场  图书馆学  情报学

1 引言

生产要素指社会在生产经营活动中所需要的各种资源[1]。不同时代背景下，生产要素的组成不同。农业时代，生产要素可概括为土地与劳动力两大生产要素；工业时代，资本要素受到重视，被纳入为生产要素；二战后，技术成为新的生产要素，生产要素内涵向多要素论发展[2-3]；现今，人工智能、5G、物联网等科学技术发展，使得数据在科技与产业变革中的重要地位愈发凸显，数据成为新的生产要素是生产方式演进的必然结果[4]。2020年发布的《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》）中，数据正式与传统生产要素并列成为五大生产要素。在此背景下，回顾从数据到数据要素的发展历程，梳理数据要素发展中的问题，进一步探索数据要素背景下图书情报学科的机遇与挑战对学科发展有重要意义。

数据源于事物的存在形式及运动状态的不断变化，是行为主体在经济社会行为事实的过程或结果[5]，最早可以追溯到结绳记事。之后，图书、档案等作为数据的物质载体，为数据管理、保存作出重要贡献。上世纪60年代，数据和信息开始高速增长，机读目录（MARC）大大提升了数据与信息的流通效率[6]；随着数据及其应用的增加，“大数据”的概念逐渐形成，在为生产方式和产业结构带来巨大改变的同时，也对图情学科尤其是情报学科的原理、方法和实践带来巨大变革[7]。数据逐渐满足作为“关键生产要素”所需的三个基本条件：成本递减、供给增加与应用普及[8]，数据作为一种生产要素的观点被正式提出。

对于图情学科，从传统的对数据、信息、知识与情报等核心话语的关系的基本判断，再到数据素养以及采集、理解、处理、分析与监管的数据管理流程维度的知识表述，图情学科长期对数据保持了高度的关注[9]。作为信息链的重要环节与量化研究的重要资源[10]，近年来，数据驱动、数据引导、数据计算、数据服务、数据素养更是成为了图情学科的研究重点[11]。数据要素化的趋势不可逆，如何在数据要素化背景下进一步发挥学科优势，是亟需探讨的问题。对数据及数据要素的系统梳理，不仅与图情学科理论实践密切相关，更能为图情学科推进数据要素发展，在数据要素化与数据要素市场建设中把握机遇、应对挑战提供有力支撑。

2 数据要素发展及其新动向

2.1

从数据到数据要素

数据产生于人类活动，数据的发展与人类的科技进步相适应。科学与技术相互融合、转化、形成有机整体所带来的科技革命，历史上共发生了四次[12]，这四次科技革命将数据到数据要素的发展历程划分为五个阶段，如图1所示。第一阶段，数据高度依赖物质载体，尤其是纸质载体。在很大程度上，数据可以看作一种记录经济社会信息的工具。第二阶段，电磁波的发现与利用使得数据能够以信号这一表现形式传输，并产生了电视、广播等新的传播媒介。第三阶段，电子计算机、微电子技术等领域的重大突破[12]，使电子化成为数据处理的重要工作，数据的利用效率大大提升。第四阶段，个人电脑、互联网、手机这三大具有划时代意义的产品被发明出来。随着它们的大规模普及，数据量呈现指数级增长。第五阶段，数据在价值创造活动中的中心地位日益凸显，数据作为生产要素之一的观点被提出，数据不仅成为联系现有生产要素的桥梁[13]，也作为独立的生产要素融入实体经济运行，使原有产业的产出增加、效率提升[14]。从数据到数据要素，数据的生产、储存、处理、流通都发生了巨大的变化，每一阶段数据的变化趋势都蕴藏着相关学科的发展机遇，值得我们进一步探索与挖掘。

2.2

数据要素化发展过程中的问题

数据要素化是数据全方位发展的结果：在技术层面，以5G、物联网、人工智能等新一代信息技术为依托，数据传输速度进一步增长；价值构成层面，数据要素实现了“资源化”向“资产化”、甚至“资本化”的飞跃，数据价值从资源价值向管理增值、利用价值不断深化；各要素关系层面，数据要素与其他生产要素的关系发生变化，实现了从数字产业化层次向产业数字化、全要素数字化层次的跃升[14]。在数据发展的新阶段，数据作为一种新的生产要素走到台前，成为国民经济中不可忽视的力量。但是，当前数据要素化与数据要素市场化发展过程中还存在诸多问题，如数据权利边界不清晰、数据分类分级不统一、数据价值计量难度大、数据流通机制不完善等。对这些问题的分析是解决问题、进一步推进数据要素化发展的重要保障。

2.2.1 数据权利边界不清晰

数据确权是数据要素化发展面临的第一个问题[15-17]。作为一种新兴的生产要素，数据有着与传统生产要素迥异的特点以及多元、多变且复杂的生成过程[18-19]，这使得数据权属的确认困难重重。在数据全生命周期中，涉及数据生产者、数据持有人和第三方使用人等多个主体，需要平衡个人利益、企业利益、公共利益、国家利益等利益关系，大大增加了所有、使用、交易、管理等多种数据要素权利的分割难度[3,19-21]。同时，由于数据要素价值由其聚集性产生（海量数据汇集后产生价值），数据要素处于一种“任何个体既有产权，任何个体又无产权”的矛盾状态[22]，在同一产权边界下，实践中的越界行为频发[16]。我国最新的全国性的数据法《中华人民共和国数据安全法》提出了数据安全保护的“中国方案”，但数据产权、数据交易方面的统一立法仍存在空白。司法实践中，数据纠纷常常诉诸于《合同法》《反不正当竞争法》《反垄断法》等相关规定，但这些法律均不能明确界定数据产权并对相关权益给予充分保护[23]。

2.2.2 数据分类分级不统一

数据分类是数据要素化发展面临的第二个问题。当前数据要素分类标准悬而未决，存在按主体划分[19,24]、按敏感性划分[25]、按共享公开程度划分[3,24-25]等多种划分标准。尽管部分地区在分级上做出了一些努力，但这些解决方案更偏重指导性和指南性[26]。数据要素化背景下，数据分级分类要更多地考虑数据的要素属性。不同数据由于生成方式、属性上的差异，分级分类的重点也有所不同。政府数据兼具“治理要素”与“生产要素”二重性，要以开放共享为首要原则，绝不能将其当作一种资产运营[27]。这其中蕴涵着政府数据公共物品属性与市场化配置的效益导向间的矛盾。对于企业数据，经济社会中数据创造的效益有目共睹，但当下除了少部分以数据交易为主营业务的公司外，大多数公司都未对数据资产作出合适的账目处理。数据分类分级标准的缺失导致部分数据的质量下降，进一步增加了数据交易过程中数据资产的不确定性，买方对数据效用价值的判断更加困难。而企业在经营过程中可能涉及大量敏感数据，此类数据对国家安全具有重大意义，对于数据分类分级的需求更为迫切。

2.2.3 数据价值计量难度大

数据价值计量是数据要素化发展面临的第三个问题。数据资产的价值计量主要从价值维度、应用场景、模型方法、财税管理四个层次展开，其中价值维度的计量是最基础的计量维度，涉及质量、效用、生态三个方面[28]。本质上，数据是记载客观事物的性质、状态及相互关系等的物理符号及物理符号的组合，是一种资源[29]。在移动互联网、云计算、机器学习等新一代技术的发展下，绝大部分的数据资源以“0”“1”比特形式存在，能够被准确计量（数量）[22,28,30]。但由于数据的非均质性[19]，即使数量相同，数据的价值也会存在巨大差异。其根源在于，数据价值的一个重要组成部分是数据的利用价值，来源于人类对数据资源的管理和利用，具体体现在数据与脑力劳动结合的过程中形成“数据-信息知识-数据”的价值闭环[31]，能使数据联动不同组织、不同产业集群的核心要素，成为指挥实体经济运行的“大脑”[14]。通过对数据的有效管理亦可实现数据利用价值的增值，包括数据采集、数据储存、数据组织等活动。其中，数据利用有序化，数据使用效率提升，数据利用价值相应增值。不同个体或组织对数据管理活动的差异性将导致同一数据要素的利用价值展现出差异性。因此，无论是从投入与产出角度还是从实物与价值角度，数据利用价值的不确定性使得数据价值计量成为数据要素市场化过程中的一大难题[3]。

2.2.4 数据流通机制不完善

数据流通机制的不完善是数据要素化及其市场化所面临另一个重要问题。数据要素的价值需要通过有效流通来实现，而数据的流通方式可以具体划分为数据开放共享和数据交易两大类。我国对数据开放共享尤其是政府数据开放共享的讨论由来已久，众多学者也提出了其中存在的问题，如政府数据开放共享过程中存在观念[27,32]、技术[27,33]、安全保护[18,20,27,34]等障碍；公共数据如图书馆数据开放过程涉及隐私问题[35]；企业数据开放共享意愿低[18-19,25]等。以上问题在数据要素化阶段依然存在，需精准施策，逐一突破。与之相对的，数据交易一直处于一种野蛮生长的状态。在实践层面，目前主要有数据撮合交易与数据增值服务两种交易模式[19]，交易困难且成本高昂。尽管贵阳大数据交易所、上海大数据交易中心等交易平台相继建立，但各平台运作中存在重复建设、扩容困难、标准不清等诸多问题[20]。同时，由于数据流通的隐蔽性，数据窃取、数据爬虫、数据黑产等非法产业也呈蔓延之势[24]。在理论层面，数据交易相关理论研究尚未充分展开，尽管有部分学者尝试对数据交易问题展开讨论，如熊巧琴等讨论了数据要素的界权、交易和定价问题[15]；赵瑞琴等分析了数据要素的确权、交易与资产化问题[16]；但更多文献侧重于数据安全与权益保护的难题上[17,36-38]，数据交易中存在的复杂问题的讨论及相关机制体制的建设仍需进一步展开。

综上所述，在推进数据要素化、加快培育数据要素市场过程中，需要着重解决数据确权、数据分类分级、数据价值计量、数据流通中的各种问题，不断提升资源管理与数据治理能力。在平衡国家利益与公共利益、商业利益与消费者权益的同时推动数据技术与数据市场的发展与创新[24]。具体地，可以以数据价值链为分析基础，总结提炼数据要素市场力量评估指标[39]，结合数据全生命周期不断地跟进数据基础设施与相关体制机制建设[40]，构建良好的数据要素流通环境，形成涵盖产权界定、分类管理、价值评定、有效流通的数据要素管理与治理体系。

2.3

数据要素化带来的发展新动向

结合《意见》精神和上文所述问题，数据要素化的未来发展着眼于“市场”与“分配”，诉求于相关问题的解决。从“市场”角度，需推动数据要素有效流通，尤其要完善市场交易及配套机制，加快要素市场培育；从“分配”角度，要抓住生产资料分配与创造财富的分配两个关键环节[31]，解决分配过程中的分配主体不明、贡献评价困难的问题。由此，可以概括出数据要素化发展带来的三大动向：数据市场培育、数据权属确认和数据价值评估。

2.3.1 动向一:数据市场培育

数据的价值产生于无差别的间接人类劳动，与使用价值、交换价值相联系，并沿着“商业实质—使用价值—交换价值”的路径完成资产化过程[16]。通过开放共享与数据交易两大路径，数据要素在不同主体间实现交换。有关数据开放共享这一路径在数据要素化之前就有讨论，且相关体制机制也在不断完善、成熟。而数据要素流通的另一条路径——数据交易，是数据要素化、数据要素市场化的重中之重。在现实情境中，企业数据交易受到买卖双方风险偏好的影响，并倾向于自留使用以减少竞争[15]。独立的第三方将在一定程度上减少对应的风险，促进数据流通。因此，建立具有公信力的专业交易场所将成为促进数据交易的有效举措。数据市场的培育本质上是数据市场主体、市场交易规则、市场交易行为规范化的过程[41]，交易场所作为在业务撮合、价值发现、标准制定、商品定价等方面拥有重要话语权的高级业态，将成为数据要素市场化进程中的重要一环。

2.3.2 动向二:数据权属确认

在市场的逻辑中，各经济主体客观上要求市场按照要素贡献与要素所有权分配要素报酬，即投入的所有要素均能够有所回报[29]。因此，在数据要素化背景下，数据产权的合理划分是数据参与分配的先决条件[31]，需要厘清数据全生命周期中复杂多变的权益主体，完善相关制度法规。要在利益均衡的基础上，从权益保护和产业激励两个维度构建平衡性制度安排[17]。在保护层面，数据权利体系的构成与界定与传统物权差异较大，应综合考虑数据流通中可能存在的国家数据主权、数据产权和数据人格权三重视角，对传统民事权利体系进行扩充和完善[18]。在产业激励层面，数据财产权的客体为数据集合形成过程中信息熵减产生的经济价值，意味着对数据集合的排他性使用的权利，可以为企业带来商业利益[42]。因此，在数据确权过程中需对企业的数据资产、数据财产权审慎对待，妥善处理保护与激励的关系。

2.3.3 动向三:数据价值评估

“按要素分配”中分配的基础是市场调节机制，分配的主体是参与到生产过程中的各种生产要素的所有者，分配的客体是新生产的产品的总价值[23]。数据确权明确了分配中的主体，而数据价值评估则是为了确认数据产生的价值。这其中涉及到数据分类分级与数据价值计量两个关键问题。

一是数据的分类分级。在市场经济条件下，各种不同质量、不同数量、不同水平和贡献的生产要素在市场中获得相匹配的要素价值[23]。《意见》提出要“分类完善要素市场化配置体制机制”，数据分类可以看作是数据要素市场化配置的前提条件。数据要素阶段，数据分类分级要能够为数据价值实现服务、为要素分配服务。不同类型的数据以不同的方式参与市场经济，数据共享责任清单、数据交易目录、数据采集利用标准等将成为推动数据要素市场化配置提质增效的有力举措。

二是数据价值计量。数据能够创造价值已经是普遍的共识，数据甚至被誉为新时代的“石油”。数据价值体现在乘数效应、经济价值、商业价值、决策价值四个方面[43]，可分为资源价值、管理增值、利用价值三个层次[1]。但这些价值需要进一步量化，形成合理的数据要素价格，确保数据要素的贡献能够得到市场机制科学的评价，并参与经济核算中[23]。

3 图情学科面临的发展机遇与挑战

图书情报学科与数据的关系源远流长，数据的每一个重要发展节点都为图情学科带来了巨大变革。在数据发展的第一阶段与第二阶段，图情领域对文献的编目工作一度是查找文献的主要线索[44]。1895年，以加工整理科学知识为宗旨的国际目录学会（Institute Internationale de Bibliographie, IIB）成立，随后情报学的起源之一文献学诞生[45]。到了数据电子化阶段，涉及图书馆学、计算机科学、行为科学等多学科的情报学逐渐发展起来，标引、机读目录等成为信息数字化的先行者[6,46]。随后，数据量的激增、尤其是大数据环境直接促使图情学科研究范式的转变[47]，并带来了新的学科增长点。数据要素化阶段，数据的发展也将为图情学科带来新的机遇与挑战。

3.1

图情学科面临的机遇

从数据发展过程中的问题与发展动向来看，图情学科使命与要素市场培育要求高度契合，学科基础与知识储备能够有效应对数据要素市场培育的理论需求[34]。以顺应国家战略、服务经济社会发展为重点，以数据生命周期为抓手，图情学科能够有效切入数据治理的各个环节。总体来看，通过融入全面、层次分明、衔接有序的数据治理制度体系的建设过程，把握数据要素管理、数据要素质量控制、数据要素市场培育三大重点，图情学科能在数据要素市场化配置改革中找到新的学科增长点。

3.1.1 数据要素治理:立足生命周期完善顶层设计

“顶层设计”作为政治名词首次出现于党的十七届五中全会，其核心内涵在于突出改革的整体性即全方位系统筹划、直面根本性制度矛盾，敢于硬碰和突破[48]。数据要素市场化改革要完善数据要素收益分配机制，从分类明确界定数据要素产权、高标准建设数据要素市场体系、持续提升数据要素治理效能、坚持处理好公平与效率的关系四个方面展开[23]。具体包括：第一，要明确数据在全生命周期中的增值环节，依法分类明确数据要素所有权、使用权和收益权[4]，建立政府背书的数据产品确权登记平台[16]。第二，要从产权、安全、标准等多方面入手，建设高标准数据要素市场体系[26]。第三，要平衡保护与激励[17]，特别要关注数据泄露、个人隐私侵犯、不正当竞争等顽固问题[23]。第四，应探索建立围绕数据全生命周期各利益主体的收益分配制度，既要形成数据要素按市场评价贡献、按贡献决定报酬的初次分配基本框架[26]，也要完善再分配制度，如利用数据税等财税工具，使得数据要素创造的财富能够再分配，为经济社会发展创造更多价值[16,22,26]。围绕上述四个方面，数据生命周期将与政府整体性治理理论有机结合，成为图情学科参与数据治理的有力抓手[49]。图情学科在过往对数据生命周期的研究与实践中，积累了大量数据治理的经验，如数据生命周期视角的科学数据管理[50]、相关人文社科研究数据管理平台的设计与实现[51]、生命科学数据质量控制体系的研究[52]等。这些经验将成为本学科参与完善数据要素治理顶层设计的“助力器”。

3.1.2 数据要素管理:

         利用分类方法统筹数据要素资源

数据要素涉及的权利主体广泛，要推动数据要素的有序流通，需要助力推动数据分类分级，规范数据要素进入市场的体制机制[31]。此外，随着数据调用方式多元化，数据类型将进一步增加[26]。针对数据分类分级问题，图情学科在信息管理过程中对信息分类的研究、对信息内容结构的分析与编码等，为数据的分类分级积累了大量经验。例如，《中国图书馆分类法》是我国建国后编制出版的第一部具有代表性的大型综合性分类法。在数据分类分级工作中，一方面，需要统筹规划，全国上下一盘棋，建立统一的数据分类分级体系。图情学科可借鉴以往数据分类经验与他国经验，制定我国的数据资源核心元数据、数据资源分类、数据目录、数据产品标准[31,53]等，使数据分类分级规范化、统一化。另一方面，要在统筹规划的基础上，鼓励各地区、各部门、各行业开展数据分级分类管理，对重点数据重点保护[26]，从而最大程度地推动数据要素流动，完善数据分级分类安全保护。此外，全国图书馆参考咨询联盟等平台在文献传递与参考咨询上的实践也可以为推动数据要素流动提供实践层面的经验。

3.1.3 数据要素质量控制:

         借鉴信息质量标准提升数据质量

质量维度是数据价值计量需要考虑的重要维度[15,28]。根据全面数据质量管理框架，数据质量的全流程控制包括质量控制范围界定与标准明确、数据质量评价标准、数据质量问题分析和数据质量改进方案四个循环[54]，可在此基础上评估与改进每个生命周期阶段的数据质量[53]。数据质量评估是一个复杂的问题[55]，例如数据质量的评价与数据的可用性、可靠性、时效性、敏感性等多种因素有关，第一方数据与第三方数据也存在质量上的差异。要提升数据质量，国家需统筹建立数据资源质量评估体系[18,55]，提升数据质量和规范性，构筑覆盖数据全生命周期的数据应用系统[56]。图情学科在信息质量评估与控制上的研究，如在书目数据质量控制中制定的《信息交换用汉字编码字符集》《中国机读目录通信格式》等标准，为书目数据处理、文献检索、书目信息交流作出了巨大贡献[57]。这些标准以及制定标准的经验，能够部分适用于数据资源的质量控制，一定程度上也能够降低数据的非均质性、价值差异性对价值计量带来的负面影响。

3.1.4 数据要素市场培育:

         总结数据管理经验推动标准制定

2020年10月，中共中央办公厅、国务院办公厅印发了《深圳建设中国特色社会主义先行示范区综合改革试点实施方案（2020-2025年）》，鼓励以深圳为试点发展数据要素与数据要素市场。在此背景下，《深圳经济特区数据条例》（以下简称《条例》）正式通过，并将于2022年1月1日生效。《条例》中明确数据要素市场培育中要组织制定数据产品和服务标准、数据质量标准、数据价值评估标准等地方标准。数据产品包括未加工的原始数据与数据整合加工后形成的标准品或数据资产组合[15]。在图情学科，知识组织对知识进行有序整合，为用户提供有效知识服务，将类型复杂、种类繁多、来源广泛的分散数据关联形成有效的知识源[58]。这一过程与数据产品和服务生产相契合，相关理论基础、技术手段、方法体系能够助力于数据产品和服务标准的建立。同时，以发表数量、引用频次、影响因子等为核心指标的现有学术评价体系，科研“数量”到“高质量”转变形势下对新学术评价体系的探索[59]对数据价值评估体系的建立与完善也有借鉴意义。学术评价的相关思想与数据的“信息熵”定价法存在一定的相似性。数据通过信息熵减产生经济价值[42]，结合数据元组的隐私含量、被引用次数、供给价格、权重等因素，可以对数据资产的信息熵进行动态定价[15]。结合数据质量标准建设，图情学科在数据要素市场培育中可以贡献自己的力量。

3.2

图情学科面临的挑战

在把握数据发展新动向、帮助解决数据要素与数据要素市场发展问题的过程中，图书情报学科需要抓住发展机遇，改革创新。机遇与挑战并存，数据要素化阶段图书情报学科可能面临四大挑战，涉及到学科内核、学科边界、学科体系与人才队伍四大重要课题，需要图情学者积极应对。

3.2.1 学科交叉融合对学科内核的威胁

数据要素化涉及信息科学、计算机科学、法学、经济学、管理学等多个学科，如在数据要素确权过程中，法学可从法理学说上提供支持，经济学与管理学可从数据资产角度作出论述，图情学科的贡献在于对数据生命周期管理的娴熟上。在数据要素化与要素市场化过程中需要各个学科发展各自的研究所长，加快推进数据要素化和市场机制建设的进程。因此，图情学科需要与法学、经济学、计算机科学等学科交叉融合，在与其它学科碰撞的过程中，在对数据的研究中，学科的逻辑性、资源性、凝练性、价值性、特色性等会面临全新的挑战[34,60]。图情学科需要在吸收学习其他学科原理、方法的同时牢记学科特质，坚定学科内核。

3.2.2 扩展学科边界与学科边界弱化的矛盾

数据要素化与要素市场化的重点在于数据要素的市场化配置，与经济社会高度相关，对数据要素及数据市场的研究不可避免地需要探讨经济活动、商业实践中的内容。从近年来图情学科对数据的研究来看，尽管数据大多时候都是研究的重点，但研究主题更多在于理论方法研究、学科发展转型以及公共事业[9,11]方面。与数据要素化、要素市场化紧密联系的经济、商业领域，在图情学科的研究中出现较少。要想适应数据要素化与要素市场化的趋势，必须主动扩展学科边界，与商业、服务业等具体行业或领域相结合[9]，然而如何平衡学科边界外延与研究问题泛化的矛盾将是很长一段时间内需要应对的挑战。

3.2.3 发展机遇差异对学科体系的动摇

面对数据要素化，图书馆学与情报学会受到不同的影响，发展机遇上也存在差异，如情报学在数据生命周期管理中的优势、图书馆学在数据分类分级中的长处。但不得不承认的是，作为专门研究数据和信息的学科，情报学适应新环境与新变革会更加容易。与之相对的，图书馆学需要做出更多努力以融入这一发展趋势。长期以来，图书馆学的坚守和情报学话语的飘移并存，学科间融合并存的难度增大[9]。在图情学科处于弱势地位的高校，学科存在被撤销或被吞并的风险[60]。在数据要素化背景下，相关研究热点正不断涌现，图书馆学、情报学发展步伐的差异，将会对学科体系造成巨大冲击。

3.2.4 数据要素管理对人才队伍的冲击

从学科交叉角度，研究热点的更迭、学科泛化问题导致部分学者未能坚守本学科的核心研究问题，例如数字图书馆业务和技术的研究人员和实践人员越来越少，甚至成为其他学科的重点研究领域[61]。从人才培养角度，以图书情报专业硕士为例，2011-2020年招生人数持续增长，图情学科与数据深度绑定的优势使得图情学科在数字经济发展背景下吸引了大量人员。但值得注意的是历年报考图书情报专业硕士且本科为相关专业的比例均小于50%，报考学生专业基础知识薄弱，实践能力有待提升[62]。在数据要素阶段前，学科的人才培养更加强调数据管理，如信息组织方法、知识组织、文献计量、分析方法等，但数据要素管理对图情学科的人才培养提出了更高的要求[34]。数据要素管理要求学科人才能将专业理论转化为生产力，推动数字产业化、产业数字化与全要素数字化，促进数据要素价值的实现，这将导致人才培养压力进一步加大。

4 结语

在人工智能、5G、供应链技术方兴未艾的当下，数据要素有“数据石油”之称，对政治、经济、科技文化等多个领域都有着重要影响。本文根据科技革命与数据的关系，将数据到数据要素的发展划分为5个阶段，分析了数据要素与数据要素市场化发展过程中的问题，并从数据要素参与分配的视角分析总结了数据发展的三大新动向。我们认为图情学科在数据要素发展过程中大有可为，本学科要在抓住机遇的同时迎接挑战，推动图情学科与经济社会的深度交融，推动图情学科繁荣发展。

作者贡献说明

陆 瑶:文献调研与整理,论文撰写与修订; 

卢 超:论文框架设计与修订,论文修订; 

董 克:论文修订;

夏伊彤:文献调研与资料整理; 

李文妍:文献调研与资料整理。

参考文献

*本文原载于《图书情报知识》2021年第6期123-133页

版权归《图书情报知识》所有，欢迎转发到朋友圈，转载请联系后台。

制版编辑 | 卢慧质

--END--