科技情报学：定义、分支体系与智能化演进

一、科技情报学的定义与学科定位

科技情报学（scientific and technical information science）是图书馆·情报与文献学体系下的规范学科名词，2019年由全国科学技术名词审定委员会正式公布。其定义可拆解为相互支撑的两个层面：

• 对象层面：研究科技情报在记录、搜集、整理、传递、管理、利用等全生命周期环节中的规律、原理与方法；
• 技术层面：研究如何运用信息技术，使情报流通过程与情报系统持续保持并优化效能。

换言之，这门学科既关注“情报内容本身的生命周期管理”，也关注“承载情报流转的系统与技术的运行效率”，是一门横跨社会科学、管理科学与信息技术的交叉学科。

值得注意的是，中文学术语境中的“情报”具有双重含义：既对应 information 所指的客观记录内容，也对应 intelligence 所指的、面向决策的深加工产物。这种双重性正是科技情报学区别于一般信息管理学科的关键——它不只满足于“把信息管好”，更追求“让信息产生决策价值”。

从学科谱系看，科技情报学属于专科情报学的分支之一，与社会科学情报学、医学情报学、军事情报学等并列。专科划分的逻辑在于：情报学的通用方法论（采集、整序、分析、服务）可跨领域迁移，但各领域情报对象在来源结构、保密要求、时效约束上差异显著，必须开展专门化研究。

二、术语规范化的背景与学科价值

“科技情报学”这一名词的权威出处是《图书馆·情报与文献学名词》。该书于2019年公布，收录规范名词3436条，覆盖图书馆学情报学基础、图书情报工作管理、信息资源建设、信息组织、信息检索、情报分析与研究、信息服务与用户研究、文献学共八个部分。审定工作始于2010年，由黄长著研究员担任审定委员会主任委员，历时近十年方告完成。

术语规范化对学科发展的价值主要体现在三个方面：

1. 消除语义歧义：统一“情报”“信息”“文献”等易混概念的边界，为教学、科研与行业交流提供共同的语义基准；
2. 支撑学科建制：规范名词是学科目录编制、课程体系设计、教材编写与成果评价的底层基础设施；
3. 促进国际对话：中英文术语的规范对应，为学术交流、文献互译与数据库建设提供稳定锚点。

三、核心研究内容：两大分支体系

科技情报学的研究内容可概括为情报来源学与情报研究学两大分支，二者构成“来源—分析”的上下游关系。

（一）情报来源学

情报来源学聚焦科技文献所含情报的数量、质量、分布情况及其演变规律，回答“情报从哪里来、可靠程度如何”的问题。典型研究议题包括：

• 情报来源调查：系统摸排期刊论文、会议文献、专利、标准、学位论文、技术报告等不同来源的产出规模与覆盖范围，绘制领域情报地图；
• 出版事业动态分析：跟踪出版格局变化，研判情报来源的增减趋势与结构性风险；
• 难得文献收集方法：针对稀见文献、灰色文献与内部流通文献，建立专门的获取渠道与征集策略；
• 核心书刊范围选定：通过文献计量方法确定某领域利用率最高的核心文献集合，为采集经费分配与馆藏建设提供依据。

“核心文献选定”的判定逻辑可用如下示意流程表达：

输入：某领域全部候选文献集合 D
步骤：
  1. 对 D 中每种文献统计被引次数、载文量、流通/使用率
  2. 综合评分 = w1×被引指标 + w2×载文指标 + w3×使用指标
  3. 按综合评分降序排列
  4. 取"累计贡献达到设定阈值"的最小文献子集
输出：核心文献范围

（二）情报研究学（文献分析学）

情报研究学又称文献分析学，其研究对象是“文献所载情报”的深度加工。它不停留在文献外部特征的整序上，而是对内容进行分析与综合：

• 筛选战术情报：面向具体技术问题与短期决策，提供可直接使用的情报产品，如技术参数对比、方案优劣拆解；
• 探索战略情报：面向中长期布局，揭示技术发展趋势、研究热点迁移与潜在颠覆性机会；
• 支撑现状分析与未来预测：通过对文献的时序分析、主题聚类与演化建模，为现状判断与趋势预判提供证据链。

可以用一句话概括二者关系：情报来源学保障“原料供给”的数量与质量，情报研究学负责把原料加工为可支撑决策的情报产品。来源不牢，分析便成无米之炊；分析不深，来源只是故纸一堆。

四、我国早期教学与研究的重心及其演进

在我国科技情报学科的早期教学与研究中，专业内容主要集中于文献采集、整理、组织、检索、服务以及文献交流规律。这一重心有其历史必然性：当时情报工作面临的首要矛盾是“文献获取难、秩序乱”，因此文献工作链条构成了学科训练的主线，而文献增长规律、老化规律、集中分散规律等交流规律研究构成了理论核心。

随着信息基础设施的完善与文献获取门槛的下降，学科重心逐步从“获取与整序”转向“分析与增值”——研究单元从文献层面深入到知识层面与情报层面。这一转型与国际上情报科学从文献中心走向数据与知识中心的方向一致，也解释了为何当前该领域对文本挖掘、知识组织与智能分析技术的需求日益旺盛。

五、信息技术驱动的方法现代化

“运用信息技术使情报流通过程与情报系统保持最佳效能”是学科定义中技术层面的核心承诺。这一承诺在不同时代呈现不同的技术形态：

1. 数据库与联机检索阶段：情报存储从卡片目录走向结构化数据库，检索从手工匹配走向布尔逻辑检索，情报的组织粒度显著细化；
2. 网络化传递阶段：情报传递突破物理载体限制，联机服务使情报获取时效大幅压缩，服务半径扩展到异地终端；
3. 大数据与智能分析阶段：全文文本挖掘、自然语言处理、机器学习与知识图谱成为主流工具，情报分析从抽样走向全量、从事后回溯走向近实时监测。

在当前阶段，通用的云计算与人工智能能力为情报机构提供了可按需组合的技术底座。以百度智能云所代表的通用能力类目为例，实践中常见的组合方式包括：

• 文本处理与语义分析类能力：支撑文献自动摘要、主题抽取、术语识别与批量内容理解；
• 知识图谱构建类能力：把分散文献中的实体与关系抽取为结构化知识网络，支撑关联发现、溯源与竞争态势映射；
• 大规模存储与计算类能力：应对海量文献的全量沉淀与批量分析任务；
• 智能检索与推荐类能力：将关键词匹配升级为语义级检索，并面向科研人员提供定题推送。

必须强调：技术是放大器而非替代者。情报来源学决定数据质量的上限，情报研究学提供分析逻辑，技术只负责放大二者的效率。脱离情报学方法论而单纯堆砌工具，极易产出“数据很多、情报很少”的空转系统。

一个现代科技情报系统的参考流程可抽象为五层：

采集层：多源文献接入（期刊 / 专利 / 标准 / 报告 / 数据集）
   ↓
整序层：清洗、去重、分类标引、元数据统一
   ↓
分析层：主题聚类 + 趋势建模 + 实体关系抽取
        → 产出战术情报与战略情报产品
   ↓
服务层：语义检索 + 定题推送 + 决策支撑报告
   ↓
反馈层：用户行为数据回流，反向优化采集范围与分析权重

六、面向实践的能力建设建议

对希望进入该领域或将情报方法应用于本职工作的读者，建议按以下四步构建能力：

1. 打牢文献情报基础：理解文献计量与文献交流规律，这是判断数据质量、设计分析方案的底层能力；
2. 掌握情报分析方法：反复练习从一批文献中提炼技术主题、识别研究前沿、撰写结构化分析报告；
3. 补齐信息技术栈：至少熟悉数据处理脚本、检索原理与常见文本分析算法，能够与工程团队高效协作；
4. 建立领域纵深：选定一个具体技术领域长期跟踪——领域知识的厚度直接决定情报判读的准确度。

七、结语

科技情报学以“科技情报全生命周期规律”与“情报系统效能优化”为双核心，经由情报来源学与情报研究学两大分支落地，并在信息技术演进中持续重塑自身方法体系。理解这门学科，既要看到它源于文献工作的历史脉络，也要看到它在大数据与人工智能条件下向数据驱动情报分析转型的现实方向。对个人而言，它提供了把泛滥信息转化为稀缺洞察的成体系方法；对组织而言，它是把海量科技文献沉淀为决策优势的基础能力。