基于大数据的科技学术期刊出版流程优化研究

黄庆发，蒙薇

（广西壮族自治区科学技术情报研究所，广西 南宁 530022）

0 引言

在信息化时代，大数据技术被广泛应用于各行各业，它可以全面采集海量数据，并对其进行整理和分析，预测事物未来的发展方向，了解用户的行为习惯和实际需求。“亚马逊”“当当”等电商平台都开始利用大数据分析用户的浏览记录、收藏记录，为用户画像，以便向用户推荐其可能感兴趣的书籍。当商业模式发生一定的转变后，工作流程方面也有所不同。科技学术期刊出版行业受大数据影响，传统的出版流程已经不适合当下，需要针对大数据背景下的科技学术期刊出版情况进行分析，基于大数据进行全面的行业研究，发现科技学术期刊出版过程中面临的问题，进一步优化科技学术期刊出版流程，从而推动科技学术期刊出版行业的可持续发展。

1 科技学术期刊的传统出版流程

科技期刊主要是基于期刊出版内容、出版方式、出版周期等进行划分，有着多种不同的类型。按期刊内容分类，科技期刊包括综合性期刊、学术性期刊、技术性期刊、检索性期刊、科普性期刊。科技学术期刊都有固定的编号、名称、出版时间。科学技术期刊可呈现出某一个研究课题或是成果的全过程，帮助人们了解当前的科研情况，掌握科学技术发展动态，有利于向人们阐述新技术、新知识、新工艺，形成一套新的理论、观点。科技学术期刊具有较好的科技传播和学术交流作用，有利于促进社会科技水平的提升。为进一步推动科技学术期刊的发展，期刊管理者应当基于当前的背景环境，进一步优化科技学术期刊出版流程［1］。科技学术期刊出版流程主要包含以下几个步骤：首先，要做好选题策划工作。编辑人员要基于当前的社会科学发展实况及科研热点创新选题，进行适宜的方案策划。其次，在确定好选题策划方案之后，编辑人员要进行组稿，需要登记稿件的基础信息，包括题目、收稿日期、作者信息等。再次，由专家进行审稿，确保稿件质量，通常要经历初审、复审、修改、终审等环节。最后，在完成审稿工作之后，还需要对稿件进行相应的加工，查漏补缺，消除错别字，对全文进行润色，并做好校对工作。

2 大数据背景下科技学术期刊出版流程中存在的问题

大数据背景下，科学技术期刊出版流程中还存在一定的问题，主要表现在以下几个方面：一是当前的科学技术期刊出版流程未能满足科学交流需求。互联网技术为科研工作提供了在线交流服务，能够快速进行主题检索。而且，科研人员在应用社交媒体的时候也会于网络中留下大量的行为数据，对这些数据进行归类整理和科学分析，有利于全面了解科研动态。但在实际组稿、约稿过程中，编辑人员并没有充分利用这一数据，因此无法有效掌握科研工作人员的动向，以至于在组稿方向不够精确，而且未能做好选题策划工作。二是当前所采用的科技学术期刊出版流程已不适应大数据应用趋势。传统的出版流程中并没有重视选题策划和审稿专家选择环节，通常仅依靠编辑人员的个人经验判断，未能挖掘出其中的隐性知识，以至于影响了科技学术期刊出版质量和效率［2］。

3 基于大数据的科技学术期刊出版流程优化措施

3.1 构建合理的工作机构，完善期刊出版规章制度

大数据背景下，为优化科技学术期刊出版流程，应当先构建合理的工作机构，以保障期刊出版流程的通畅性，做好各岗位、各工作的分工，提升编辑出版人员的工作效率。科技学术期刊出版单位类型多样化，不同类型的期刊出版单位的侧重点有所不同，需要根据期刊出版单位的实际情况优化部门工作，完善期刊出版流程。还要基于不同模式优化部门设置，并结合新形势有所创新以便于期刊出版工作的顺利进行［3］。

与此同时，应当制定完善的科技期刊编辑出版规章制度。在科技学术期刊出版行业发展过程中，主办单位、管理人员的认知程度会对出版工作的开展产生一定的影响，需根据实际情况及相关要求制定完善的规章制度，使出版工作有据可循、有法可依，严格按照相关要求进行期刊出版工作。在管理科技期刊编辑出版工作的时候，需及时发现其中存在的问题，并根据问题采取相应措施加以处理，进一步优化出版流程。管理人员应当注重日常工作的开展，明确各岗位的工作职责，加强各部门之间的交流与合作，贯彻落实相关规章制度，提高出版工作效率［4］。

3.2 加强选题认证，优化选题策划

在进行科技学术期刊出版的过程中，应当优化选题策划，利用大数据技术发现学科热点，使选题策划方案更符合当下的实际情况。21世纪是一个科技迅速发展的时代，我国越来越重视科研工作的开展，投入于科研方面的经费日益增长，科研成果产出越来越多，涌现了大量的新技术、新成果，科研新课题也随之增多。在这种情况下，编辑需要准确把握学科热点并加强选题认证，据此优化选题策划。选题策划并不是一项简单的工作，需要运用大数据技术通过对海量数据信息进行整合、分析，发现其中的规律和隐藏的发展趋势，从而使科技学术期刊选题策划方案更科学，保障决策的正确性。在进行科技期刊选题策划的时候，应当充分发挥先进科学技术作用，利用现代网络工具采集大量的相关数据，然后对这些数据进行深度加工，归类整理数据并优化分析，从而开阔选题视野，使期刊选题内容更加丰富［5］。

例如，在实施汽车类期刊选题策划的时候，可登录中国知网汽车产业创新发展知识服务平台中进行数据搜索，然后选择科研服务这一项目，搜索学术趋势，通过检索关键词获取相应的曲线图，以便于了解用户的关注度和学术关注度。所谓学术关注度，指的是基于关键词搜索出的文献，在时间变化下的被关注程度，重要指标是被引频次；用户关注度则是指基于关键词搜索出的文献，在某一时间段中被用户研读的频率，重要指标是下载次数。前者能够反映出文献的受重视程度、使用程度，在一定程度上反映了论文在科技学术交流方面的地位；后者则反映出文献在网络环境中的传播影响力。当某一个文献的用户关注度和学术关注度都非常高的时候，则表明其可能成为热点文献。编辑在完成学术趋势搜索之后，可准确了解选题的热门程度，分析读者的喜好和关注热点，以及判断文献是否能够被高频引用。

除此之外，编辑在进行科技学术期刊选题策划的时候，还可以充分发挥大数据研究平台的作用，通过学术热点查询模块进行内容检索，以便于了解热点主题，采集热度值、文献数量、研究人员、研究机构等各项信息，并对这些信息进行全面分析，找准科技学术研究热点，确定适宜的选题方向。比如，以“新能源汽车”为关键词在中国知网中进行关键词搜索，可获取学术关注度、用户关注度两个方面的曲线图，两条曲线都呈现出上升趋势，说明无论是汽车业界学者，还是读者都十分关注新能源汽车的发展，新能源汽车的发展新闻将会成为业内热点，基于此编辑人员便可以向相关学者就这一内容约稿，抓住时机［6］。

3.3 专注挖掘作者，促进有效组稿

为优化科技学术期刊出版流程，应当重视组稿环节，需洞察学者动态，提高期刊组稿的精准性。在确定好选题之后，还需要选择适宜的作者完成选题内容。在传统的科技学术期刊出版流程中，稿源大多来自作者的自主投稿，大数据背景下的科技学术期刊开始转型，不再是传统的编校模式，而是采用全新的选题策划模式，那么曾经的组稿方式也不再适用于当下，需要予以变动。除等待作者自主投稿外，还应当主动向作者约稿。为了提高组稿的精确性，一定要重视主动约稿工作的开展，这对编辑人员提出了更高要求。编辑人员应当洞察学者的学术研究动态，根据所采集的作者信息选择适宜的作者约稿，同时约稿的目的要明确。就目前而言，全球科研人员数量颇多，每一年所产出的科研内容也非常多，科学家、工程师的数量成倍增长。基于此，在出版科技学术期刊的时候，为了能够寻找到最契合的撰稿人，则可以利用大数据技术全面掌控科研人员的基础信息和研究动向，以便于科学分析，为组稿工作提供可靠的参考依据，保障组稿的精确性［7］。

此外，要建立健全作者信息库，方便科技学术期刊编辑在组稿的时候更快地寻找到适宜的约稿作者，实时了解作者的研究进展、研究成果，根据组稿需求提出相应的约稿要求。与此同时，对于我国所开展的重大科技研究项目及权威科学家的研究成果，也应当予以长期跟踪和关注，充分挖掘相关数据并进行分析，把控重要专家在科技领域中的研究动向，寻找重点内容约稿和适宜的约稿时机。同时，应当定期实施回溯分析工作，对科技学术期刊中过往论文情况进行相应了解，对于被关注程度高、影响力大的论文作者，可以予以一定的奖励，鼓励其继续为期刊创作文稿。

3.4 精准遴选专家，缩短审稿时间

在出版科技学术期刊的过程中，编辑人员应当构建学者画像，选择适宜的审稿专家，以避免撤稿事件的发生。撤稿事件的频发，反映了当前科技学术期刊出版流程中审稿环节存在的问题，一旦所选择的同行评审专家人数不足，便会因为审稿不严格或是其他问题而引发撤稿事件。基于此，需进一步优化审稿环节，所选择的同行评审专家应当规避论文作者的推荐，制定完善的同行审评制度，并将其贯彻落实于审稿工作中。编辑人员自行选择审稿专家，建立健全的审稿专家信息库，以将论文交由适宜的同行专家进行审稿，对稿件提出相应的审稿意见［8］。可充分利用互联网技术和大数据技术，对审稿专家进行学者画像，具体是指编辑根据学者提供的相关信息或是所挖掘的学者信息，给每一位学者绘制画像，在此基础上创建完善的专家学者信息库，可通过标签化的方式标识专家学者的注册信息、行为信息，以把握专家学者的特征，同时在实际应用过程中还要筛选数据，加强对审稿专家实际审稿行为的研究和分析，充分挖掘大数据，找到其审稿规律。

基于此，应当做到以下几点：一是要全面采集专家学者的基础信息数据，由编辑人员提供专家学者的姓名、性别、年龄、学历、研究方向、职称、联系方式等基本信息，并做好信息分类和整理工作，进一步了解专家学者的实际情况。二是要创建专家学者的行为模型。行为模型应当包含学术行为模型和审稿行为模型两类。在建设学术行为模型的时候，则要采集学者的相关信息，并对其进行科学分析，进行学者画像，全面把控学者的研究动态。在这个过程中，需要重视学者发表论文总数、核心期刊论文数量、重大科研基金项目等相关数据。还应当从学者的导师及其合作人员、机构等方面了解学者的学术关系，通过分析学术成果的被引频次等了解学者的学科影响力。创建审稿行为模型的时候，则要对专家学者过往的审稿行为进行分析，了解审稿专家的事件安排、审稿速度、态度、退稿率、研究论文偏好等信息，以便于在选择审稿专家的时候有参考依据。三是要绘制学者画像，将学者的相关信息与之行为信息相匹配，明确学者的真实科研能力、审稿意愿等。绘制学者画像的时候，可充分利用大数据平台，如万方数据知识服务平台，它可为平台中的万方学术圈服务，提供学术文献分享、科研档案展示、文献个性化推荐、学术认知交流等功能，营造轻松、友好、专业的学术氛围，帮助学者们进行成果管理、学术探讨与交流互动。

3.5 辅助编辑加工，提高编校水准

在科技学术期刊出版过程中，编校工作是重要流程之一，保障编校工作质量，有利于提高期刊出版效率。在编校科技学术期刊的时候，要校对好参考文献，校对内容应当包括格式、内容等方面。一方面，要确保所列参考文献的格式符合规范，文中的序号标注要具有连续性；另一方面，参考文献中的引文内容要准确。过去，参考文献的编校主要是通过手工完成，容易出现人为失误，而且工作时间过长，效率偏低，影响科技期刊的出版，为适应大数据背景下的科技学术期刊出版，应当转变这种人工模式，可利用大数据技术辅助编校。比如说，利用参考文献比对库进行稿件参考文献的自动校对，快速判断参考文献内容是否真实准确，格式是否完整、规范，同时能够审查文中参考文献序号标注是否连续，是否有遗漏等。

4 结语

总而言之，在大数据背景下，应当转变传统的科技学术期刊出版模式，进一步优化出版流程，既要满足于科学交流的需求，又要顺应大数据技术的应用趋势。基于科技学术期刊出版的实际情况，改善其中的不足，做好选题策划工作，进行精准的组稿约稿，选择适宜的审稿专家，提高编辑校对工作效率，从而保障科技学术期刊出版质量，促进科技学术期刊出版行业的高质量发展。