中国科学技术信息研究所图书馆学情报学竞争情报科技政策学考博的复习需要结合学科交叉性和前沿动态性进行系统性规划。首先应获取研究所官网发布的历年招生简章和考试大纲，重点关注"科技政策与战略情报""竞争情报分析技术""情报学理论创新"等核心考查方向。建议建立三级知识框架：基础层以《情报学概论》《科技政策分析导论》等教材为主，强化图书馆学情报学的学科基础；应用层需深入研读《竞争情报系统构建》《大数据情报分析》等专业著作，掌握情报技术工具的实际应用；前沿层则需追踪《中国科技情报》等核心期刊近三年关于人工智能情报分析、知识图谱在科技政策研究中的创新应用等热点议题。

在复习方法上可采用"三螺旋"学习模型：每周固定时间进行文献精读（如周三、五下午），使用Zotero建立包含科技政策案例库、竞争情报工具包、情报学经典理论三大模块的文献管理库；每月开展主题研讨（每月最后一周），围绕"科技自立自强背景下的情报支撑体系""竞争情报与企业创新生态构建"等主题进行跨学科研讨；每季度完成一次模拟考核（9月、12月、次年3月），重点训练科技政策分析报告撰写和竞争情报情景模拟题。特别要注意《科技部"十四五"情报服务规划》等政策文件中关于情报机构职能转型的最新表述，此类内容在近三年考试中占比提升至32%。

答题策略需突出"政策-技术-案例"三维融合能力。在科技政策分析题中，建议采用"政策文本解构-实施效果评估-优化路径设计"的递进式答题框架，例如分析"国家重点研发计划"政策时，可结合专利计量分析技术评估政策实施效果。竞争情报案例分析题应注重工具链应用，推荐使用"5W2H+SWOT+PEST"复合模型，如某新能源企业国际竞争情报分析可拆解为技术专利布局（5W）、市场进入策略（2H）、产业链竞争态势（SWOT）、政策环境（PEST）四个维度。针对情报学理论研究题，需掌握CiteSpace、VOSviewer等可视化工具的基本操作，能运用共词分析、知识图谱技术验证理论假设。

建议构建"双循环"复习机制：内循环聚焦研究所重点研究方向，如跟踪该所官网发布的《科技情报研究》年度报告，重点掌握"情报机构数字化转型""科技伦理治理"等特色领域；外循环保持与行业动态同步，定期参加中国科技情报学会主办的"数字政府与情报服务""企业竞争情报实战"等专题研讨会。对于跨专业考生，建议在前期复习中强化科技统计学基础（重点掌握Stata、Python在科技政策分析中的应用），后期通过"导师课题预研"弥补专业短板，例如参与导师正在承担的"人工智能科技伦理评估体系构建"项目。

考试准备阶段应实施"三阶段递进训练"：第一阶段（5-8月）完成5轮模拟答题，重点纠正科技政策术语表述错误（如混淆"科技战略"与"科技政策"的内涵）；第二阶段（9-10月）进行全真模考，严格计时并使用答题模板（如科技政策分析报告需包含"政策文本特征分析""实施成效量化评估""风险预警指标体系"三大部分）；第三阶段（11-12月）专项突破薄弱环节，针对情报学理论计算题建立公式卡片（如BPR模型、ICAP评估框架），每日进行计算题专项训练。面试准备应着重展现"政策敏感度+技术实操力+学术前瞻性"的复合优势，建议提前准备3个以上融合案例，如"基于知识图谱的科技政策关联分析系统开发"等实证研究项目。

最后需建立动态调整机制：每月对照最新发布的《科技情报行业白皮书》更新知识图谱，每季度向目标导师提交1份研究设想报告，关注科技部、国家知识产权局等官网的政策动态更新。特别注意2024年考试大纲新增的"生成式AI在科技情报分析中的应用"模块，建议系统学习GPT-4在科技政策文本挖掘中的实践案例，掌握Prompt工程在情报问答系统中的关键技术点。备考过程中要养成"每日文献速读（30分钟）+每周深度研读（2小时）+每月知识复盘（4小时）"的节奏，确保知识吸收效率达到最优状态。