标题：新质生产力与高质量数据资源建设的深层逻辑和实现路径
作者：夏义堃教授
2024年1月，习近平总书记指出：“发展新质生产力是推动高质量发展的内在要求和重要着力点。”新质生产力不仅源于技术革命的突破，也是生产要素创新性配置和产业转型升级的直接体现。作为数字时代的新型生产要素，数据以其叠加、聚合、放大和倍增效应对传统生产方式变革产生重大影响，成为驱动经济社会发展的关键性要素和推动新质生产力发展的重要基石。人工智能技术和数字经济产业发展依赖于高质量数据供给，高质量数据资源建设已成为理解和把握新质生产力的发展方向、推动经济社会高质量发展的关键所在。申慱sunbet官网入口数据管理创新研究中心夏义堃教授深入探讨新质生产力发展与高质量数据资源建设的内在逻辑与实现路径。一方面，新质生产力的发展需求为高质量数据资源供给和建设做出实践指向和践行规范。另一方面，高质量数据资源建设通过优化产业结构与生产效率、推动市场商业模式创新、加速科技创新与技术研发以及提升数字治理与公共服务水平等路径，为新质生产力发展提供核心资产与创新驱动力。研究指出，新质生产力发展环境下，高质量数据资源建设需践行创新、协同、开放、可信和可持续的建设理念，遵循观念创新、模式创新、结构创新和技术创新的建设策略，从而全面提升数据资源管理和利用效率并推动新质生产力发展。
论文链接：https://www.rdfybk.com/qw/detail?id=853287
高质量数据资源建设内涵
标题：我国数据出境安全风险要素体系研究
作者：董克副教授
构建数据出境风险要素体系，对识别数据出境安全风险，把握数据出境安全整体态势，提升国家安全风险管理水平具有重要意义。申慱sunbet官网入口数据管理创新研究中心董克副教授以我国数据出境的现实场景和典型事件为依据，系统梳理数据出境风险来源与维度；结合数据跨境服务主体的实践经验，凝练数据出境安全风险要素集，构建跨境数据流动安全风险框架；基于专家知识对风险要素进行权重排序和评估，保障数据出境服务的有效治理。研究结果表明：内容维度的风险要素受到专家关注程度最高，内容的分级分类以及个人隐私保障是其中的重点；黑客、合作方等境外主体造成的风险具有极强的破坏力；出境环境变化与出境数据内部管理虽然同样容易产生风险，但负面影响相对较低。针对我国当前数据出境面临的风险问题，研究指出政府和管理部门应当强化法制建设，防范出境内容风险；加强技术研发，应对境外主体风险；探索协同治理，降低内部管理风险；完善评估机制，把控跨境环境风险。
论文链接：https://link.cnki.net/doi/10.16353/j.cnki.1000-7490.2024.06.006
数据出境安全风险要素体系
标题：Discovering technological opportunities by identifying dynamic structure-coupling patterns and lead-lag distance between science and technology
作者：巴志超助理研究员
科学-技术之间错综复杂的互动关系孕育着大量技术机遇。为识别这些潜在的机遇，基于关键词或主题相似性的量化方法已广泛应用于科技关联分析。然而，这些方法未能充分考虑科学-技术之间不同的互动模式及其滞后效应。为此，申慱sunbet官网入口数据管理创新研究中心巴志超助理研究员提出一种新颖方法，结合科学-技术特定主题之间的结构耦合模式与时间超前滞后距离，探测潜在的技术机遇。文章首先基于话语原子主题建模（DATM）算法对科学与技术语料进行主题提取和文档分类；其次，从分类文档中提取关键词，并将科学与技术的知识体系转化为独立的知识网络；随后，基于网络耦合计算与科学-技术之间的超前滞后系数识别不同主题下科学与技术的动态互动模式。文章提出四种科学-技术互动模式：无互动、动态增强、动态减弱和可变互动模式。最后，通过结合科学与技术的互动模式以及时滞交叉相关性分析，识别潜在技术机会。该方法通过结合科学与技术主题的结构耦合和时间超前滞后分析，揭示出科技共享与私有主题中的不同交互模式及其对技术机遇识别的影响，深化对科技互动与技术机会关系的理解，并为产业政策制定、企业技术转型以及科学前沿的探索提供了重要参考。
论文链接：https://doi.org/10.1016/j.techfore.2023.123147
Research framework for identifying technological opportunities through S&T dynamic interaction and lead-lag relationships.
标题：Disruptive content, cross agglomeration interaction, and agglomeration replacement: Does cohesion foster strength
作者：李白杨助理研究员
学者群体的集聚现象逐渐增强，并被认为是推动科技颠覆性知识创新的重要力量。然而，这一效应尚未得到充分验证。申慱sunbet官网入口数据管理与创新研究中心李白杨助理研究员提出一种基于历史、当前和未来关键词向量相似度的算法，用于量化颠覆性知识创新能力（Dkc指数），并结合社区检测算法对作者合著网络进行重叠社区分析，将学者划分为单聚集学者、聚集流动学者和多聚集学者。通过对1961年至2023年间发表的66万余篇人工智能领域论文的实证分析，研究发现，科研起步较早的学者通常具备更强的颠覆性知识创新能力。此外，多聚集学者的平均论文数量和引用次数最高，其次为聚集流动学者。研究进一步将颠覆性知识创新能力划分为颠覆性创新和整合性创新，随着集聚规模的扩大，颠覆性和整合性创新的能力均有所减弱，多聚集学者和聚集流动学者的存在也削弱了颠覆性和整合性创新。随着集聚效应的增强，学者的颠覆性与整合性创新能力的边际效应逐渐递减。集聚规模在多聚集学者对颠覆性和整合性创新的影响路径中起部分中介作用，而在聚集流动学者与颠覆性创新的影响路径中则起完全中介作用，对于整合性创新仅表现为直接影响。
论文链接：https://doi.org/10.1016/j.joi.2024.101570
Fig1. The computation of Dkc for an individual keyword
Fig2. Steps for calculating the Dkc index for a single article
