激發數據要素價值視角下我國智庫數字平臺建設借鑒研究

摘 要：智庫數字平臺建設對于發揮數據要素價值倍增作用、支撐智庫高質量發展、構筑數字經濟時代競爭優勢等意義重大。通過對我國已建成的賦能智庫研究的數字平臺進行研究，以期為加快推進我國智庫數字平臺建設提供參考。選取中國工程科技知識中心、中國科學院知識服務平臺、理論粵軍網（廣東智庫信息化平臺）等3個國內典型案例，運用文獻調研法、案例研究法、比較分析法，從數據資源建設、服務功能建設、傳播共享服務等3個方面，研究并提煉智庫數字平臺建設的實踐經驗和規律特點。最終總結提出3條建議：數據資源建設立足智庫實際，兼顧通用性和特色性；服務功能建設對準應用場景，兼顧多元化和個性化；傳播共享服務強化用戶互動，兼顧外連接和內協同。

關鍵詞：數字平臺；智庫；數據資源；服務功能；傳播共享

中圖分類號：G311" " 文獻標志碼：A" " 文章編號：1671-0037（2025）3-32-10

DOI：10.19345/j.cxkj.1671-0037.2025.3.3

引用格式：魏穎，周元，王銀芳，等.激發數據要素價值視角下我國智庫數字平臺建設借鑒研究：基于3個典型案例［J］.創新科技，2025，25（3）：32-41.

0 引言

提升信息采集和分析能力是黨和國家對中國特色新型智庫建設的殷切期望。2015年1月，中辦、國辦聯合印發《關于加強中國特色新型智庫建設的意見》，明確具有“功能完備的信息采集分析系統”是中國特色新型智庫建設的八項基本標準之一。同年出臺的《國家高端智庫管理辦法（試行）》指出，高端智庫要充分利用大數據、云計算等技術，加強專業數據庫、案例庫和信息系統平臺建設，為決策咨詢研究提供必要的信息和技術保障。其對高端智庫的數字化建設提出了更為具體的要求。隨著數字時代的到來，數據作為推動國家經濟高質量發展的新型戰略性生產要素，因其顯著的乘數效應逐步發展成為驅動生產力躍遷的核心生產要素。黨和國家高度重視數據要素的創新發展，聚焦推進數字中國建設、組建國家數據局等重大戰略舉措。智庫數字化發展面臨著新的機遇和挑戰，如何充分發揮數據要素價值倍增作用、提升數據處理分析能力、增強數字時代生存發展能力和競爭優勢是時代賦予智庫行業的全新命題。數字平臺作為承載數字技術、支撐應用現代化、沉淀通用業務能力的載體［1］，其重要性愈發凸顯。在此背景下，研究如何充分運用先進的信息化技術或數字手段，構筑符合決策需要、賦能智庫發展的數字平臺，具有重要的現實意義。圍繞這一主題，本文重點調研了3個典型平臺案例的實踐經驗，并總結出規律特點，以期為我國智庫數字平臺建設提供借鑒。

1 智庫數字平臺的理論研究與實踐探索

1.1 智庫數字平臺的理論研究

“平臺”最初來源于法語，用于表達基礎的含義，被認為是“分布式創新網絡的核心”［2］，旨在實現集體創新、組合創新和分散創新，以此抓住未來的市場機會，充分挖掘外部創造力［3］。學界對于數字平臺的探討主要從價值、技術等視角出發。Porter和Heppelmann［4］認為，數字平臺旨在為業務的提質增效提供動力；Gawer［5］認為，數字平臺可以賦能產品、技術或服務；劉汕等［6］整合了技術、組織和價值等視角，認為數字平臺是通過邊界資源連接外部群體，提供交互機制來匹配供需，從而共創價值的商業模式。

聚焦智庫數字平臺，越來越多的學者意識到智庫數字化建設的重要性，圍繞智庫信息保障服務平臺、智庫信息化平臺、智庫信息資源服務平臺、平臺型智庫等相關概念，針對數字化對于新型智庫建設的意義、智庫數字平臺的概念內涵和建設舉措等問題展開研究。關于智庫平臺的概念，宋姍姍等［7］將智庫信息化平臺定義為數據開放與知識管理平臺，通過整合已有研究中搜集的數據及產出的成果，推動資源共建共享；王良熙［8］將智庫信息資源服務平臺定義為承載著數據、分析應用工具、軟件、模型，集數據采集、情報分析、協同研究、成果共享、決策支持于一體的服務平臺；施蕾蕾和孫蔚［9］將平臺型智庫界定為以構建和運營平臺為己任，通過在思想市場對接資源供求信息，將不同區域、行業和領域的智力資源進行優化整合，形成廣泛聯結、協同發展的組織管理模式的智庫類型。關于智庫平臺的架構功能，Li［10］認為，智庫平臺應為研究提供數據庫、信息庫和分析庫；麥甘［11］認為，智庫平臺應具有匯聚信息、過濾信息和管理信息，支撐決策分析、趨勢識別、預判的功能；趙豪邁和趙益維［12］認為，信息保障服務平臺是智庫決策支持信息保障體系的重要基礎設施，且大數據技術在其中發揮著關鍵作用。綜上，現有文獻主要圍繞數字化對于新型智庫建設的意義展開研究，或是側重信息資源［13-15］、平臺架構［8，12，16］、知識服務［17］等智庫數字平臺建設的單點突破，缺少相對全面的研究，特別是缺少能直接指導智庫數字平臺建設的案例研究。

基于上述分析，當前對于智庫數字平臺的內涵和構成并沒有明確界定。本文側重路徑對策研究，因此采用更為寬泛的定義，將智庫數字平臺界定為通過信息技術或數字手段，集成數據資源、搭載功能模塊、共享傳播成果，能夠賦能和支撐智庫研究的綜合服務中樞。本文將按照此定義選擇具備賦能智庫研究功能的數字平臺作為典型案例，以期從中獲得經驗啟示。

1.2 智庫數字平臺的實踐探索

放眼全球，構建體系完備、功能齊全、技術先進的信息化支撐體系已成為國內外知名智庫提升研究質量和研究效率的共同選擇［18］。國外知名智庫如蘭德公司、美國布魯金斯學會、德國國際政治和安全事務研究所等，不僅重視大數據能力的建設與應用，還通過構建數據資源體系、促進研究成果數字化、開發自有數據分析工具、建設信息共享網絡等方式推進智庫數字平臺發展，進而獲取競爭優勢。其中，蘭德公司與政府機構、企業界、新聞界及社會公眾等建立了多通道、立體化的聯系網絡，構建了自上而下的寬領域數據體系、自下而上的項目數據體系以及雙向綜合參與型智庫數據體系，涵蓋了大量跨學科的數據信息資源。此外，蘭德公司率先將人工智能應用于蘭德戰略評估系統，綜合運用信息技術、建模技術、數據技術和架構技術等現代技術，開發出一套可取代人工團隊的戰略分析工具。美國布魯金斯學會重視利用數字化平臺促進研究成果、觀點見解等的交流傳播，同時強化資源共建共享，與美國企業公共政策研究所等機構共建網絡資源平臺，解決了重要資料分散等問題。同樣注重共建資源網絡的還有德國國際政治和安全事務研究所。該研究所與12家研究機構共同開發了歐洲最大的國際關系研究資源庫——世界事務在線（WAO），為國際關系動態研究和地區問題研究提供了全面參考。

立足國內，我國智庫數字平臺建設起步較晚，主要集中于智庫內部研究資源的數字化搜集、保存和傳播等，重點實現為智庫提供成果保存和學術交流等基本功能［19］。隨著數字技術的迅猛發展和廣泛應用，越來越多的智庫意識到數字化轉型的重要價值，并試圖通過建設數字化平臺加入轉型浪潮。但由于當前缺乏在實際操作層面的相關研究，如何將眾多的智庫信息資源進行統一集成化管理，如何圍繞用戶實際需求設計平臺服務等問題還缺少理論指引。中國工程院、中國科學院等作為首批國家高端智庫建設的試點單位，先行先試，擁有自建數據資源庫、知識管理系統及完善的服務功能等關鍵要素。而這些實踐為智庫數字平臺建設提供了重要基礎。

綜合考慮智庫數字平臺建設的制度政策適配性、實踐契合性、應用場景匹配性，發現國內智庫數字平臺建設的可比性和借鑒性更強，因此本文選取3個國內智庫數字平臺建設典型案例進行細致的比較分析，從整體層面系統認識和把握智庫數字平臺建設，填補“怎么建”的理論空白。

2 研究方法

2.1 典型案例選取

以單個智庫為最小單元，依據研究問題選取中國工程科技知識中心（簡稱“知識中心”）、中國科學院知識服務平臺（簡稱“知識服務平臺”）、理論粵軍網（廣東智庫信息化平臺）等3個代表性平臺作為典型案例，案例基本情況如表1所示。案例選取理由如下：一是案例適配性。基于對智庫數字平臺較為寬泛的界定，本文以平臺建設主體具備智庫屬性、平臺具備賦能智庫研究功能等為原則選取案例。其中：中國工程院、中國科學院在2015年入選首批國家高端智庫建設試點單位，在我國智庫體系中發揮著示范引領作用。廣東省社會科學院在2017年入選廣東省首批省級重點智庫，根據2018年《中國智庫報告》，其在“地方社科院系統影響力”和“區域協調發展”研究議題最具影響力智庫排名中位列第一；理論粵軍網自2010年起便開展智庫賦能相關工作，在促進資源共享、協同研究、創新成果轉化等方面走在前列［20］。二是案例可借鑒性。在全面調研國內各類智庫平臺的基礎上，選取3個起步時間早、功能全面、影響力大、信息資料豐富的平臺，其具有較強的代表性和較高的借鑒價值。三是案例差異性和多樣性。3個案例分別代表了工程科技領域、知識服務領域、哲學社會科學領域等不同學科背景和定位下的智庫賦能平臺，能夠為不同學科特色的平臺建設提供更具針對性的啟發。

2.2 資料搜集分析

筆者團隊采用網站調查、文獻調研、內容分析、比較研究等方法，在2024年2月從資源建設、服務功能、對外傳播等3個方面對各平臺的具體實踐進行數據搜集。數據來源于官方網站、研究報告、新聞報道和文獻資料。3家數字平臺公開信息充足，包含了豐富的定量數據，為本研究提供了重要的數據支撐。鑒于各平臺投入的人力、物力、科研經費等存在差異，本文將對其進行多維度的比較分析，重點在于研究提煉平臺建設的規律及個性化亮點，總結出各具學科特色的數字平臺建設路徑，旨在推動我國智庫數字平臺建設。

3 案例分析

3.1 數據資源建設情況分析

總體來看，知識中心側重工程技術領域數據資源建設，是我國工程科技領域最大的知識發現平臺，資源類型包括報告、專利、項目、論文、期刊、專家、數據集等；知識服務平臺側重自然科學、高技術領域和交叉科學的大數據科技知識資源體系建設，資源類型以期刊論文、學術文獻、戰略情報等數據型文獻情報為主，注重各類資源的深度標引、實體抽取、關系挖掘和關聯組織；廣東智庫信息化平臺更關注本地經濟和社會等人文社科領域的理論研究與學術交流，資源類型以專家庫、專題庫和知識庫為主，致力于最大限度地匯聚廣東省智庫各界“協同共享”“資源整合”力量。各平臺數據資源建設的具體情況如表2所示。

3個典型案例的數據資源建設情況呈現以下5個特點：

一是數據來源豐富全面。各平臺數據資源可分為內部資源和外部資源兩類：內部資源如知識中心的自建資源、聯盟共建資源，以及知識服務平臺的商業出版資源、中國科學院體系資源等；外部資源如購買資源、網絡開放資源等。同時，各平臺還重視用戶行為數據的采集。例如，廣東智庫信息化平臺采集用戶文獻查詢、信息發布、發帖留言等數據，用于分析平臺用戶特征，從而為用戶提供更為精準的定制服務。

二是注重專題資源建設。各平臺均打通垂直領域數據，并進一步打造細分領域的專題資源。例如，知識服務平臺構建了生物安全、可再生資源、光電、納米科技、集成電路等200多個領域的專題數據庫，方便不同用戶快速查詢和獲取特定領域的數據內容。值得一提的是，知識服務平臺的資源建設還與院內圖書館、院史館、檔案館等線下平臺資源相結合，設置“到館服務”欄目，將館藏檢索、借閱管理、展覽預約、檔案查閱等服務同步集成到線上平臺，實現線上與線下平臺的互動和融合。

三是注重特色資源建設。各平臺圍繞所聚焦的領域打造專業性、稀缺性的“獨家資源”。例如，知識中心打造了智庫觀點庫、項目庫、政策庫、院士庫、統計庫等特色數據庫，各專題庫資源特色鮮明，既各自獨立又相互關聯，緊密圍繞工程科技這一領域。統計顯示，知識中心的自建資源比例達到76%，匯聚了7 000萬條以上的特色數據，全面覆蓋工程科技領域一級學科［22］。

四是注重專家資源建設。各平臺均構建了跨領域、跨學科、跨專業的專家庫，并形成了專家社交網絡學術圈。例如，廣東智庫信息化平臺圍繞哲學社會科學理論與應用決策研究建立“專家網絡”，用戶點擊專家名不僅可以看到專家基本信息，還可以瀏覽合作者、相關機構等關聯信息，使用戶更加直觀了解專家的科研產出、密切合作者等，最終實現學術動向、研究趨勢等內容的可視化統計分析。

五是注重數據治理。各平臺均根據應用方向構建了相應的分級分類規則、標準規范等，對采集的數據進行過濾、清洗，注重解決數字內容創建、標記、交互與組織過程中的標準化問題。例如，知識中心將資源分為五大類、30個小類，構建了涵蓋數據標準、技術標準和安全標準的規范化體系，以規范平臺建設行為，解決產品與服務質量問題以及安全問題。

3.2 服務功能建設情況分析

總體來看，知識中心的服務對象主要為工程科技領域的專業技術工作者，以及高端智庫戰略咨詢研究人員，注重為院士牽頭的重大項目和前沿探索提供一站式高端智庫咨詢服務；知識服務平臺的服務對象更加廣泛，主要包括中國科學院科研人員、市場研究人員、專業領域一線科研團隊以及對科學知識有需求的社會公眾等，致力于為國家科技發展提供智慧型知識服務，可采用智能化手段開展科技文獻等非結構化文本的檢索和分析；廣東智庫信息化平臺的服務對象主要為政府決策者和智庫研究者，強調理論研究成果的共享、傳播和交流，以凝聚政府決策和社會發展的“智力合力”。各平臺服務功能建設的具體情況如表3所示。

3個典型案例的服務功能建設情況呈現以下5個特點：

一是資源一站式檢索。各平臺均提供基于語義的關鍵詞檢索、分類檢索、二次檢索、多條件高級檢索等服務，知識中心、廣東智庫信息化平臺還提供檢索式專業檢索，并支持對檢索結果按照類型、來源、年份等進行多維度二次篩選。在此基礎上，各平臺還可提供基于知識圖譜的關聯檢索。例如，知識服務平臺開發慧眼（Scholar-Eye），基于知識圖譜的實體發現及實體關聯關系，實現論文、專利、項目、學者、機構等信息的關聯檢索，打破基于關鍵詞進行單一資料獲取的傳統模式，為用戶提供多維度、立體式、體系化的資源發現服務。

二是數據利用功能豐富。針對報告、文獻等非結構化文本，各平臺都提供了數據在線瀏覽、內容復制、數據下載、數據收藏、數據分享等功能，并為公開采集的數據附上原文傳遞鏈接，支持溯源。其中，知識中心對非結構化數據進一步做了碎片化加工處理，如框架提取、主題提取、要點摘錄、目錄圖表提取等，用戶在閱讀前可先瀏覽報告框架，定位重點章節進行跳轉閱讀，幫助用戶迅速找到所需關鍵章節，提升閱讀效率。

三是數據分析靈活多樣。各平臺積極利用數字技術挖掘分析數據，實現數據的知識化，主要包括數據統計、對比分析，以及按照時間維度（如趨勢圖）、空間維度（如政策地圖）等進行可視化展示，還包括熱詞分析、突發熱點探測等。此外，知識中心開發了政策穿透分析、關聯性分析等功能，向用戶開放自定義的數據選擇、可視化設置、圖片下載等功能權限，滿足個性化需求。知識服務平臺利用深度學習技術，可智能提取科技文獻的研究結論、關鍵詞、概念定義等，還可提供文本標題生成、深度聚類、科技文獻分類等服務，促進科技文獻的深度挖掘與利用。

四是注重工具方法集成。各平臺均開放了工具方法清單供研究人員使用，支持研究對象的相關信息獲取、模擬仿真、結果驗證等。從工具用途來看，主要包括研究類工具和管理類工具。其中：研究類工具又可按場景細分為信息搜集類工具（如蟲部落快搜）、調研類工具（如德爾菲問卷）、分析類工具（如SPSS數據統計分析、技術趨勢分析）、可視化工具（如CiteSpace、Origin繪圖）、寫作類工具（如公文寫作助手、協同寫作）等；管理類工具包括EndNote資料管理、科研差旅與個稅計算等。這些工具中既有第三方開發的工具，也有平臺自主開發的工具，兼顧通用性和專業性，輔助科研人員開展研究。

五是注重主動知識服務。各平臺致力于改變人與知識之間的關系，從傳統的“人找知識”轉向“知識找人”。在具體操作中各平臺存在差異。知識中心面向院士或重要研究課題等，采取“人工+機器”的服務模式，以期刊的形式每周或每半月推送精品資源。知識服務平臺基于用戶行為的交互大數據進行智能畫像，開發“慧科研”平臺［21］，利用熱度推薦、協同過濾推薦等多種算法混合計算方式，得出最優計算指標，將用戶需要的信息排在頁面前列。廣東智庫信息化平臺通過后臺監測和用戶行為數據采集，構建推薦算法，為用戶生成一個預測的可能性評分或前N個推薦列表，針對不同用戶使用不同算法［24］，實現不同受眾群體的精準推送。

3.3 傳播共享服務情況分析

總體來看，知識中心和知識服務平臺在傳播共享方面的做法更為接近：一是主要依賴官方網站、學術會議、研討會、微信公眾號等平臺進行多渠道傳播；二是收集科研人員和公眾的需求和建議；三是面向院內重點用戶的應用場景和需求開發了科研支撐平臺，提供更為全面的全生命周期科研服務。而廣東智庫信息化平臺則更關注不同服務版本的個性化傳播與服務，注重與智庫同行、政府部門、專家學者的連接互動和協同。各平臺傳播共享服務的具體情況如表4所示。

3個典型案例的傳播共享服務情況呈現以下3個特點：

一是打造傳播矩陣。各平臺都重點關注用戶使用的便利性和多樣性，打造了多種服務版本，主要版本包括手機網頁版、微信公眾號、微信視頻號、App等；并對PC版本和其他版本做出功能劃分，通常PC版本提供完整功能，其他版本則側重資訊動態、視頻直播等簡化功能；在此基礎上，進一步構建涵蓋直播、期刊、新媒體、線下展廳、教育培訓等多渠道的傳播矩陣。例如，知識中心打造出國內首個服務學術會議的直播平臺——知領直播，以中國工程院學術會議直播為基礎，面向各類學術活動開放，提供活動策劃、視頻采集等服務，在傳播知識的同時，將院士及專家的授課視頻資源不斷沉淀下來反哺平臺建設，有力提升了平臺知名度和智庫影響力。

二是注重互動反饋。各平臺均在積極拉近與用戶間的距離，開發信息交互渠道，提高用戶黏性，主要形式包括需求征集、定制服務、建議收集、使用反饋等。例如，知識中心設置“定制服務”欄目，用戶可以填寫數據服務、系統應用、會議直播、咨詢研究等方面的需求，提交至平臺后有專人查看處理。知識服務平臺、廣東智庫信息化平臺分別設置了“使用反饋”和“意見建議”欄目，用于收集用戶使用時遇到的問題及建議，平臺將根據反饋及時調整相關內容。除在線反饋外，其他交互載體還有客服咨詢、傳真、郵箱等傳統方式。此外，知識服務平臺還支持用戶對服務內容進行評價和點贊，增強互動性。

三是注重協同共享。各平臺以科研項目為主要應用場景，致力于創建開放共享的學術交流生態圈，主動泛在服務科研全流程，主要功能包括數據共享、協同寫作、線上研討、專家評議等。例如，知識服務平臺開發的“慧科研”產品，可為用戶提供高質量報告，并支持用戶分享研究資料，鼓勵個人學術成果開放共享，打破科研保護壁壘，提高研究數據的利用效率。此外，“慧科研”還設置了“創新社區”板塊，用戶可在科技創新問答社區發布問題，系統可以自動邀請專家回答，提問者也能主動邀請指定專家回答，實現精準求助。同時，該平臺還支持微信微博內容、熱點關注問題等信息的一鍵分享，促進思想碰撞，激發群體智慧。

4 建議

基于對3個智庫數字平臺典型案例的研究分析，同時結合筆者團隊從事智庫數字平臺建設的經驗，從實踐角度得出以下普適性建議。從共性角度看，不同類型的智庫數字平臺都要以數據資源為基礎、以數字技術為動力、以場景需求為牽引。從差異性角度看，不同類型的智庫應各有側重：從事專業領域研究的智庫需要側重特定垂直領域的知識庫、數據集、項目庫等資源建設，致力于為領域內重大決策和科技活動提供信息支撐與服務；從事文獻情報知識服務的智庫需要側重非結構化文本的智能分析挖掘和知識關聯，實現對文獻和數據的深入精細的整理、組織和利用，提供智能化、精準化、高效化的知識服務，并注重與自建圖書館等線下資源的聯動融合；從事哲學社會科學研究的智庫需要充分發揮平臺連接作用，促進政府、企業、高校、智庫同行等主體間的資源共享和交流合作。

4.1 數據資源建設立足智庫實際，兼顧通用性和特色性

智庫數據體系是提升智庫分析能力與產品質量的基礎［24］。智庫要圍繞業務，“量身定制”配套的數據資源體系，可以考慮匯聚以下5類資源：一是項目資源，即承擔各類課題研究積累的一手權威數據、調研資料、最終生成的研究成果等；二是產品資源，即智庫自己產出或者能為研究提供參考的第三方報告、論文、專著、皮書、連續出版物等作品；三是專家資源，即充分發揮相關領域的專家在選題、研究、論證、評議等方面的指導作用；四是資訊資源，即科研人員需要特別關注的重要新聞、課題申報、會議活動、同行觀點等方面的快訊；五是行為數據，即用戶檢索、瀏覽、下載、訂閱、收藏、評論等行為的記錄，此類數據是深入做好主動服務的關鍵。此外，面向問題的專題資源是影響智庫質量的重要因素［26］。因此，在資源匯聚后要進一步建設專題資源，圍繞特定研究問題將垂直領域的數據打通，建立統計數據庫、政策庫、案例庫等可供長期深度研究的事實數據庫。在資源匯聚的方式上，除自建數據庫外，可靈活采用購買、合作、交換、公開采集等方式獲取商業數據和公開數據，彌補自有資源的不足。該過程中，尤其需要甄別外部數據源的可靠性和鮮活性，避免數據偏差和誤導。對于建有圖書館、資料室、檔案館等線下平臺的智庫，可將線下資源與線上資源進行有機結合。數據匯聚后，還要綜合考慮數據庫的可拓展性、易用性、易維護性等特征，構建合乎數據特點的數據標準規范、技術標準規范、安全規范等，實現多源異構數據的標準化和互聯互通。資源建設除了滿足一般學術文獻數據庫的檢索需求外，還要借助知識圖譜等技術，綜合利用基于規則、深度學習及預訓練的模型算法，最大限度地智能化關聯不同專題、領域、類型、來源的數據，支持知識圖譜、情報信息和情報知識的挖掘工作［26］，實現實體間跨鏈接查詢與發現的可視化，揭示更多隱藏在數據后的信息。

4.2 服務功能建設對準應用場景，兼顧多元化和個性化

服務用戶是智庫信息資源集成服務平臺建設的價值所在［11］。因此，在服務功能打造上應始終遵循以用戶為中心的核心理念，收集用戶全過程、多角色、多場景的實際需求，以此來決定服務功能建設的方向。智庫人員在開展研究時，遵循著“數據收集—揭示信息—綜合研判—形成方案”的工作流程［27］。①在數據收集階段，平臺要為用戶提供多種數據分類與查詢的路徑，除了基于語義的關鍵詞檢索、分類檢索、二次檢索、多條件檢索、專業檢索外，還可提供“文獻+互聯網+專業數據集+科研實體”的立體式檢索服務［17］。此外，平臺還可以開發知識推薦功能，根據用戶行為數據，如輸入的檢索詞、訂閱的專欄、發表的評論等收集不同用戶的信息需求；在充分保護用戶隱私的前提下針對不同受眾群體實現知識精準推送，并根據使用權限解鎖瀏覽、復制、下載、收藏、分享等功能，“一站式”提供科研動態、學術名片、學術觀點、數據共享等主動服務［17］。②在揭示信息階段，平臺要利用自然語言處理、深度學習、多模態識別等技術挖掘分析數據樣本，揭示其隱含價值，并通過時空可視化、立體現實等技術將分析結果進行清晰直觀的多模式呈現。③在綜合研判階段，平臺可集成德爾菲問卷、專家評議、綜合評價、在線研討等工具，邀請專家對初步方案進行研判和定量驗證等，進一步形成新認知和新發現。④在形成方案階段，可開發智能撰稿、查新查重等功能，以及詞云圖生成、路線圖繪制等應用工具，并支持查看、重置、個性化編輯以及不同文件格式的下載，助力科研人員更快更好地呈現研究成果。

4.3 傳播共享服務強化用戶互動，兼顧外連接和內協同

數字平臺是以數字技術為核心，為互補性產品或服務提供共享服務的平臺，多主體互動特征明顯［16］。因此，要通過數字平臺的建設實現內外部資源的互聯互通、高效配置、協同優化。一方面，要主動順應公眾信息獲取渠道多元化以及獲取習慣移動化、快捷化、視頻化、碎片化的趨勢，開發手機網頁版、App版、PC版、微信公眾號版等多種服務版本，且不同版本在功能上可進行有針對性的區分［20］。另一方面，應將數字平臺與智庫自身的媒體運營平臺進行連接，構建包含直播、培訓、講座、宣傳片、期刊、展廳等多渠道在內的傳播矩陣，使傳播形式更豐富、互動方式更深入、反饋感知更靈敏、傳播速度更快、載體容量更充足，擴大智庫數字平臺的影響廣度和深度。具體而言，圍繞互動，要通過話題發布、交互討論、觀點評論、轉載分享等方式，促進平臺與用戶間的雙向交流，進而收集問題、征集需求、回復意見等，在交互反饋中不斷優化平臺服務。圍繞共享，平臺建設要強調以知識增值為核心，發揮智庫成員的合力作用，實現各方優勢的互補，如開發科研協同功能，支持科研過程中的數據共享、文檔管理、線上研討、分工撰文等協同行為，將不同級別、不同學科、不同領域，甚至不同地域的資源聚合到平臺上，使用戶間的工作進展透明化、業績直觀化、溝通實時化［21］。在平臺支撐下，最終實現研究活動各環節間高效的銜接，達到即時共事、群策群力、互利共贏的效果。

參考文獻：

［1］ 華為企業架構與變革管理部.華為數字化轉型之道［M］.北京：機械工業出版社，2022：4-5.

［2］ OLLEROS X.The lean digital platforms［J］.Technovation，2007，28（5）：266-276.

［3］ KOGUT B，KULATILAKA N.Options thinking and platform investments：investing in opportunity［J］.California Management Review，1994，36（2）：52-71.

［4］ PORTER M E，HEPPELMANN J.How smart，connected products are transforming competition［J］.Harvard Business Review，2014，92：11-64.

［5］ GAWER A.Bridging differing perspectives on technological platforms：toward an integrative framework［J］.Research Policy，2014，43（7）：1239-1249.

［6］ 劉汕，張凡，惠康欣，等.數字平臺商業模式創新：綜述與展望［J］.系統管理學報，2022，31（6）：1109-1122.

［7］ 宋姍姍，肖曼，黃金霞.智庫信息資源集成服務平臺比較分析與優化建議［J］.圖書館，2023（5）：1-8.

［8］ 王良熙.面向區域科技創新智庫建設的科技情報服務平臺體系設計：以福建省科學技術信息研究所為例［J］.中國科技資源導刊，2020，52（6）：70-78，94.

［9］ 施蕾蕾，孫蔚.中國特色平臺型智庫的形成與發展路徑探析［J］.智庫理論與實踐，2022，7（3）：53-59.

［10］ LI J H.Cyber security meets artificial intelligence：a survey［J］.Frontiers of Information Technology amp; Electronic Engineering，2018，19（12）：1462-1475.

［11］ 詹姆斯·麥甘.第五階層：智庫·公共政策·治理［M］.李東海，譯.北京：中國青年出版社，2018：10-11.

［12］ 趙豪邁，趙益維.大數據背景下新型智庫決策支持信息保障體系研究［J］.大學圖書情報學刊，2020，38（3）：21-26.

［13］ 呂嵐，傅志杰，安達.淺談國家高端智庫數據建設與管理能力［J］.中國電子科學研究院學報，2021，16（2）：192-196.

［14］ 黃曉斌，吳高.我國地方智庫信息資源建設現狀、問題與策略分析：以廣東地方特色新型智庫為例［J］.圖書館，2020（12）：27-33.

［15］ 勇美菁，鐘永恒，劉佳，等.支撐蘭德公司的智庫數據體系建設研究［J］.情報理論與實踐，2019，42（9）：69-75.

［16］ 楊亞倩，蔡莉，陳姿穎.數字平臺治理機制對機會集的影響：基于多主體互動視角的研究［J］.科技進步與對策，2023，40（15）：1-11.

［17］ 錢力，謝靖，常志軍，等.基于科技大數據的智能知識服務體系研究設計［J］.數據分析與知識發現，2019，3（1）：3-14.

［18］ 龔振煒，安達，傅智杰，等.國家工程科技高端智庫信息化建設研究［J］.中國電子科學研究院學報，2019，14（12）：1221-1227，1241.

［19］ 孫飛翔，吳善超，武虹.數字賦能新時代智庫高質量發展的邏輯與實踐：以中國科協“智匯中國”應用為例［J］.信息通信技術，2023，17（1）：49-55.

［20］ 羅繁明，袁俊，趙恒煜.基于大數據的特色新型智庫平臺建設研究：以廣東智庫信息化平臺為例［J］.情報資料工作，2020，41（5）：42-48.

［21］ 張冬榮，錢力.“科技大數據與智能知識服務平臺建設”專題序［J］.數據分析與知識發現，2019，3（1）：3.

［22］ 王耀東.中國工程科技知識中心商業模式設計［D］.北京：北京交通大學，2021.

［23］ WADA H，FEKETE A，ZHAO L，et a1.Data consistency properties and the trade-offs in commercial cloud storage：the consumers，perspective［C］.Fifth Biennial Conference on Innovative Data Systems Research，2011，11：134-143.

［24］ 勇美菁，鐘永恒，劉佳，等.支撐蘭德公司的智庫數據體系建設研究［J］.情報理論與實踐，2019，42（9）：69-75.

［25］ 袁曦臨.制約我國智庫研究與發展的瓶頸問題：跨學科研究與專題性研究資源保障［J］.情報資料工作，2017，（5）：99-104.

［26］ 劉細文.中國科學院文獻情報中心“十四五”發展思考：基于數據、信息、知識與情報的規劃框架設計［J］.數字圖書館論壇，2021（5）：12-16.

［27］ 潘教峰，楊國梁，劉慧暉.智庫DIIS三維理論模型［J］.中國科學院院刊，2018，33（12）：1366-1373.

Research on the Digital Platform Construction for Think Tank in China from the Perspective of Unleashing the Value of Data

Elements

—Based on Three Typical Case Studies

Wei Ying， Zhou Yuan， Wang Yinfang， Ren Zhu

（Tianjin Academy of Science and Technology for Development， Tianjin 300171， China）

Abstract： The construction of digital platforms for think tanks is of great significance for multiplying the value of data elements， supporting the high-quality development of think tanks， and building competitive advantages in the digital economy era. This paper examines three representative domestic cases， namely， China Knowledge Centre for Engineering Sciences and Technology， Knowledge Service Platform for Chinese Academy of Sciences， Guangdong Think Tank Information Platform. Through literature research， case studies， and comparative analysis， we explore their practical experiences and characteristics in three major areas： resource construction， service functions， and communication and sharing. Specifically， the study focuses on 15 dimensions： total resources， data sources， resource domains， resource collaboration， unique resources， resource classification， data governance， retrieval functions， utilization functions， analysis functions， methodological tools， proactive services， communication matrices， interactive feedback， and collaborative sharing. The research indicates the following： ①Commonalities： In terms of data resource construction， the platforms share several characteristics such as comprehensive and diverse data sources， an emphasis on thematic and specialized resources， the development of expert networks， and a focus on data governance. In terms of service functions， they mainly provide functions such as one-stop retrieval， data utilization， data analysis， integration of tools and methods， and proactive knowledge services. In terms of communication and sharing， the platforms focus on enhancing the dissemination effectiveness and user stickiness by creating a dissemination matrix， facilitating interactive feedback， and promoting collaborative sharing. ②Differences： Think tanks of various types have different priorities when planning and constructing digital platforms. For example， China Knowledge Centre for Engineering Sciences and Technology focuses on the construction of resources such as knowledge bases， datasets， and project libraries within specific vertical fields. It is committed to providing information support and services for major decision-making in these fields and scientific and technological activities. In contrast， the Knowledge Service Platform for Chinese Academy of Sciences focuses on the intelligent analysis， mining， and knowledge association of unstructured texts， and provides intelligent， precise， and timely knowledge service functions while placing a strong emphasis on linking and integrating with offline resources such as self-built libraries. Meanwhile， the Guangdong Think Tank Information Platform focuses on giving full play to the linking role of the platform to promote resource sharing and fostering collaboration among the government， enterprises， universities， and peer think tanks. Therefore， the construction of digital platforms for think tanks should be based on data resources， driven by digital technologies， and guided by specific scenario requirements. The approach to building these platforms should be tailored to local conditions， considering factors such as positioning objectives， disciplinary backgrounds， areas of expertise， and application scenarios. Finally， based on the above conclusions， three development suggestions are put forward. First， data resource construction should be tailored to the specific circumstances of think tanks， taking into account both universality and characteristics. Second， service functions should be aligned with application scenarios， balancing diversity and personality. Finally， communication and sharing should enhance user interaction， striking a balance between external connectivity and internal collaboration.

Key words： digital platform; think tank; data resources; service functions; communication and sharing

（欄目編輯：朱可染）