在获得“全国创新争先奖”之前，今年1月，南京大学信息管理学院苏新宁教授刚荣获了“杰出情报科学家”奖。“创新不是空想，而要胸怀于国家和人类大计，在社会、科技发展中发挥更大作用。”苏新宁告诉记者，以众人眼中有些神秘的“情报学”来说，描绘未来科技发展趋势，探索未来学术动向，在大数据时代做好支撑科学决策的耳目、尖兵和参谋，才可能有真正意义上的创新。
记者：好的机遇往往稍纵即逝，结合您的工作经历，您是如何抓住创新机遇的？
苏新宁：要想创新，我们必须用前瞻性眼光审视自己所在学科领域的发展，充分了解并深入分析所在研究领域已有的成果，未来还可以在什么方向上突破，探索理论和技术应用的空白之处，这就是我们创新的起点。
比如我们在研制《中文社会科学引文索引》（CSSCI）之前，我国在此方面还是空白，我们就抓住这个机遇，研制了我国第一部社会科学引文索引《中文社会科学引文索引》（CSSCI）。当然，我们并不是简单地模仿已经存在的科学引文索引，而是创新性的发展了引文索引。我们设计CSSCI有三个目标：探索科研规律，促进科学研究；科学运用数据，分析评价成果；深究学科特征，指导规划管理。因此我们一开始就把它定位在引文索引数据仓库级别，并提供满足于科研、评价、管理的引文分析和数据挖掘的服务平台。因此，CSSCI在理念和思路上起点高，技术前沿，领先于同类成果。如今，CSSCI就像是社会科学的一面镜子，我们可以借助引文索引数据，分析学科研究特征，观察学科的成长性和国际化程度，探究学科研究热点和趋势等等。也正是基于CSSCI，我们写出了500多万字的《中国人文社会科学学术影响力报告》，被学术界成为“人文社会科学学术影响力研究”三部曲。
再举一个例子，我们在进行知识服务研究创新时，我们注重社会的需要，应用的需要进行创新。例如，我们注意到人们在阅读文献时，往往会遇到自己不熟悉的专有名词，不理解这个名词可能会影响对全文的理解，我们就创新性的在网络文本输出时动态的增添对这些名词的链接，使之在阅读文献时可以即时查阅这些名词的意义。另外，为了多角度实现知识服务的创新，我们还把图书情报中的知识分类体系（分类法）、主题词表关系体系融入到知识组织中，使知识服务可以依照知识体系服务于用户。这些创新不仅是在服务理念上的创新，还有对这些知识组织上的创新。这些创新得到了学界和业界的认可和欢迎。这个创新成果分别获得了江苏省和教育部的优秀成果一等奖和二等奖。
总而言之，创新不是一种空想。在考虑创新之前，我们一定将其与已有和未来的社会需求关联在一起，多考虑综合应用，才能促进更多的创新。
记者：普通人听到情报两个字，总想到很神秘，信息和情报有什么区别，情报学究竟是研究什么的？
苏新宁：情报源于战争。和平时代依然需要情报，不过和平时代的情报不仅仅与军事、安全等有关，还与科技、经济、环境、生态及社会发展方方面面都有关。
我举一个很简单的例子，上世纪60年代，中国发现了大庆油田，《人民日报》发表通讯，《中国画报》刊登了铁人王进喜的照片，这本来是一个简单的喜讯报道，但日本情报机构通过媒体报道，根据报道中的文字描述和图片进行了情报分析，确定了大庆油田的大致位置，分析了地理环境，油田规模等，分析了中国将需要多少钻井设备，钻井设备需要适应什么样的环境等，为日本在大庆油田的设备采购中占有先机。
情报学是一个应用型的学科，一直是国家需要和社会发展紧密结合的学科，可以说，情报学的研究是和国家战略需求紧密联系的。例如，上个世纪50年代，情报工作主要是为我国科技振兴、科技发展提供国内外科技文献，到了90年代，信息爆炸的出现，情报学从文献研究拓展到信息管理的研究，近年来，大数据的出现，现代信息技术的高速发展，情报学又拓展到在大数据环境下进行情报研究。所以，情报学经历了文献情报、信息情报的发展，目前，正在走向真正的情报。情报学主要研究情报的采集、处理、组织、分析、服务、决策支持等过程中所涉及到的理论、技术和方法。
最后，我谈一下信息和情报的区别，由于国内很多学者把information（信息）翻译为情报，所以在学界很多时候把信息和情报混为一谈，更正确的情报英文翻译应该是intelligence，“信息”大家容易理解，告诉你一则消息，给你一段文字等都可以称之为信息，但情报则需要通过所掌握的知识对信息理解后，会产生情报，你所拥有的知识越深厚、分析理解水平越高，得到的情报价值就会越高。钱学森在1983年曾经对“情报”做过一个定义“情报是激活了、活化了的知识”。所以，信息是情报的源，只有经过一定的甚至是深层的加工处理才可能成为情报。信息只有结合自己相关知识才能理解，情报是直接帮助你进行决策的，将信息转化为决策能力，是我们情报学要研究的内容。
记者：在大数据时代，情报学应该如何引领科技创新？
苏新宁：现在到了信息大爆炸的时代，大数据将我们领进了一个崭新的时代，作为与数据密切相关的情报学，一个研究从数据中如何提炼情报的理论、技术和方法的学科，在新时代可以发挥更大的作用。
如今，大数据分析、数据挖掘和知识服务、小世界理论和社会网络理论成为情报学研究的前沿。
今天，我们则可以即时发现重要情报。例如，当我们把路上行驶的汽车视频即时采集下来，经过相关处理，同时去比对结构化或文本数据库中的相关车辆信息，就能准确的分析出正在行驶车辆中套牌车的情报，这一点在数据隔离时代是很难做到的。
大数据时代，情报工作者面对的信息是海量的、类型是多样化的，信息价值很高但价值密度却非常稀疏，需要将这些数据融合、关联，从海量的信息中“洗淘”出有价值的科技情报，并瞄准科技前沿领域和尖端领域，从情报中梳理出尖端研究领域的现状及有待突破的方面，举个简单的例子，一旦出现新的材料，可能会影响哪些领域的技术，改变哪些产业的未来？提供动态情报，可以引领科学技术研究，指导行业提前进行技术革新和改造。通过描绘和展望未来科技发展趋势，我们可以成为支撑科技决策的耳目、尖兵和参谋。
记者：近年来，科技评价体系的改革日益受到学术界的关注，您为国家有关部委近两年来发布的清理学术评价中有关问题的系列文件提供了建设性建议，您对下一步的科学评价有没有什么想法和建议？
苏新宁：我们的科学评价体系正在重新构建当中，我多次提出建议，坚决反对以论文的数量来判断创新，尤其要扭转“以刊评文”的导向。
无论是SCI、SSCI或是CSSCI都是文献数据库，其核心功能是由引文网络为学者高效地提供科学研究的脉络；以及各类核心期刊目录是根据文献集中分散定律，为学者能快速锁定科学问题的范畴提供帮助。这里的焦点问题是“引文”，由高被引论文集合形成高影响因子期刊，被视为“高水平期刊”。这一方面违背了文献数据库、核心期刊目录的“初心”，另一方面误解了高水平期刊的内涵。
虽然SCI的论文，在挑选余地上比一般期刊更大，论文是“源”，期刊是“果”。对学术论文的评价，无论是投稿发表阶段还是成果评奖阶段，都应回归学术论文本身的质量。这与期刊的刊载数量、影响因子无关，与论文的引用频次也无关，创新含量究竟有多少，才是我们评价的根本。
为了促使学术评价真正促进学术创新，有必要建立学术评价大数据知识库，使之可通过不同的视角反映学术发展、探寻学术规律、发现潜在创新点，让学术评价促进学术创新，并从排行榜中走出来。
记者：很多青年科研学者担心破除“唯SCI”之后，会滋生圈子文化等负面问题，所谓不破不立，破了以后我们如何立？
苏新宁：科技部、教育部的《若干意见》和《若干措施》中，破除科技评价中的“唯论文”不良导向，破除论文“SCI至上”禁锢，分类评价科研成果，完善学术同行评价等措施为未来的学术评价提出了正确的导向，并具有可操作性。但需要我们注意的是，“不唯”不是“不要”，不能“至上”也不是“不认”，我们切不可从一个极端走向另一个极端。
发论文的“硬杠杠”可以少一点，评价成果的范围可以扩大一点，我们仍然要求学生在自己的工作中必须有创新点。比如根据我们学科特点，比如说我们的一些动态情报成果能够形成建议报告，只要获得主管部门的认可，甚至有了应用，那我们就可以认定为创新成果。
未来的学术评价对同行评价提出了非常高的要求，我曾经提过一个建议，所有的评审，只应该保密三年。在三年后，将所有评价意见以不记名方式公布。如果有的意见质疑的人比较多，或明显存在不公正等问题，我们应该保留查询到专家的途径，用制度的方式约束评价者。如何实现科学、公正、不受利益驱使和不受干扰的同行评价，正是学术界所期待的。
随着大数据和人工智能技术的日益成熟，我们可以通过学术评价，对研究的成果和进展进行深度分析，根据科学发展规律进行趋势推演，展望和预测未来的科学发展趋势或未来新的研究领域。我们还可以基于学术文献的全文海量数据，立足于人工智能在自然语言处理、图像自动识别与分析和深度语义关联与挖掘上的方法、技术和理念，结合立体和柔性的评价指标，完成对学术论文内容的理解、评价和分析，进而在一定程度上实现面向海量学术文献的自动同行评议，摆脱目前仅靠学术文献题录信息的单一评价模式。预测未来学术发展，探索未来学术动向，是学术评价工作的重要方面，也是学术评价的最高境界。（记者杨频萍 策划沈峥嵘）