中科院文献情报中心情报学考博初试资料分析报告

一、考试科目与内容结构

初试科目主要包括《情报学综合理论》《信息检索与数据分析》《情报分析与决策》三部分，总分600分。其中：

1. 情报学综合理论（300分）

涵盖情报学基础理论（信息生命周期、情报 cycle、知识图谱等）、情报方法论（内容分析、竞争情报、社会网络分析）、学科交叉领域（数据科学、认知科学、计算语言学）

2. 信息检索与数据分析（200分）

重点考察专业数据库（Web of Science、CNKI、Derwent等）使用技巧，信息计量学（CiteSpace、VOSviewer），大数据处理（Hadoop/Spark基础）

3. 情报分析与决策（100分）

要求运用SWOT、PEST等分析工具，结合案例进行政策情报、市场情报、竞争情报分析

二、核心考点深度解析

1. 知识图谱构建（近三年考频38%）

- 需掌握Neo4j图数据库操作

- 理解实体识别（NER）、关系抽取（RE）技术原理

- 典型应用场景：学术知识图谱、专利地图、企业竞品图谱

2. 情报可视化（近三年考频27%）

- 重点工具：Tableau、Gephi、Python Matplotlib

- 要求能设计多维可视化方案（如动态时间线、桑基图）

- 典型考题：基于某领域论文数据的可视化分析报告

3. 智能情报系统（近三年考频22%）

- 需了解BERT、GPT在情报分析中的应用

- 熟悉知识发现（Knowledge Discovery）流程

- 典型案例：舆情监测系统开发、智能问答系统设计

三、历年真题趋势分析

2019-2023年试题共性特征：

1. 理论联系实际占比提升（从45%增至62%）

2. 前沿技术题年均增加15%

3. 案例分析题复杂度提升（涉及多源数据融合）

典型真题示例：

2022年论述题："基于深度学习的专利技术路线演化分析，需包含数据预处理、模型选型、结果解释三个环节"

四、备考资源与策略

1. 核心教材：

- 《情报学概论》（第二版）肖希明 主编

- 《信息检索导论》王绵华 主编

- 《大数据时代情报分析》张晓林 等著

2. 实战工具：

- 掌握Python（NumPy/Pandas/Scikit-learn）

- 熟练使用Stata/R进行统计分析

- 熟悉SPSS Modeler数据挖掘流程

3. 备考阶段建议：

- 第一阶段（3个月）：完成3轮知识体系构建

- 第二阶段（2个月）：专题突破（如知识图谱/情报可视化）

- 第三阶段（1个月）：模拟实战训练（每日2套真题）

五、复试衔接准备

1. 科研经历要求：

- 需有2篇以上情报学领域论文（CSSCI优先）

- 科研工具使用能力（如Elicit、PatSnap）

2. 面试高频问题：

- "如何设计企业竞争情报监测系统"

- "对情报学AI化的伦理风险看法"

- "知识图谱在政策分析中的创新应用"

3. 论文写作要点：

- 强调方法论创新（如混合研究方法）

- 注重数据时效性（近3年数据占比≥60%）

- 突出学科交叉价值（如情报+公共卫生）

附：近三年推荐研究方向

1. 智能情报分析（年度立项占比35%）

2. 知识图谱与语义网络（年度立项28%）

3. 数据驱动的竞争情报（年度立项22%）

4. 情报安全与隐私保护（年度立项15%）

备考建议：重点突破2023年新增考点——多模态情报分析（文本+图像+时序数据融合），建议参与"中国科技情报学会"组织的专题培训（每年3月/9月开班）。