科技期刊平台型传播模式

一、智能算法语境下科技期刊传播模式的嬗变

智能算法为科技期刊传播带来新的思考。科技期刊在互联网及大数据语义的传播中，编辑、读者及作者被统称为用户，用户思维成为科技期刊传播模式嬗变的主要依据。在智能算法语境下，科技期刊传播模式嬗变具体表现为依托用户大数据资源，在算法计算、匹配及推荐方面的内容生产、传播渠道及传受互动形式的变化。

１．智能算法数据来源：科技期刊从文本出版向数据库聚合转变

传统科技期刊传播以纸质文本传播为主，内容生产以科学技术成果为主，传播形式较为单一，且难以了解受众的阅读习惯。科技期刊依托智能算法，可整合专家、用户的内容生产资源，从传统的纸质印刷传播向数据库聚合传播转变。如今，科技期刊在数字化转型中，以知网、万方等网络数据资源库实现学科热点、科研成果的数字出版，提高了检索效率，获取了大量的用户使用。智能算法技术的前提是大量数据信息，科技期刊的数字化转型为智能算法平台型传播提供数据基础，包括：一、内容生产的聚合，即单一期刊文本信息在网络数据库中实现聚合，形成庞大的内容资源数据；二、用户信息的聚合，即用户在互联网对科技信息的检索、点击及下载等行为形成个人信息数据的聚合。

２．智能算法匹配基础：科技期刊从单一渠道向移动终端转变

传统科技期刊传播渠道单一，单向传播难以做到根据用户需求不同的分众及精准传播，信息传播效度缺失。智能终端的兴起促使科技期刊向移动化出版转变，在智能算法语境下，用户在移动终端对科技期刊信息内容的获取及阅读，成为信息匹配的基础。智能算法通过对海量数据进行收集整理、挖掘分析，可以预测事物的发展趋势或用户的行为规律，以实现信息与数据的匹配。于科技期刊而言，用户的互联网、数据库、社交平台使用行为可形成大量信息数据，进而形成智能算法匹配基础。具体体现在用户个人数据与内容数据之间的匹配，通过智能算法对科技期刊用户数据的聚合，分析其行为语义内容与个人数据之间的联系，借助标签定位的技术功能完成移动终端的信息获取行为，实现科技期刊用户与内容的匹配。

３．智能算法推荐依据：科技期刊从深度阅读向碎片化获取转变

传统科技期刊的传播受众主要是科研工作者，目的是完成科研工作的选题、分析及交流，凭借其专业性，受众对其内容的接受方式以深度阅读为主。如今，智能算法在大众传播、分众传播的基础上，提出精准传播的概念。受众进入碎片化阅读的新媒体时代，可依托智能算法技术在数据聚合、信息匹配的基础上，实现科技期刊内容信息的精准推荐，满足受众碎片化阅读的需求。智能算法的精准推荐改变了受众阅读的集约深度，以其对用户个人需求、兴趣领域的算法分析，以及在移动终端平台的智能推送，可以实现科技期刊信息的按需传播。科技期刊从深度阅读向碎片化阅读的转变，倒逼期刊传播主体思考应该以怎样的传播方式实现更具效果的信息传播，实现期刊品牌的建立以及优秀学术话语权的把握。

二、科技期刊在学术平台的智能算法传播雏形

近年来，依托智能算法技术的移动化学术平台兴起。本文以ＣＮＫＩ全球学术快报、“域出版”超星学习通在科技期刊平台型传播案例为依托，以智能算法关于资源内容数据聚合定制、信息精准分发及社交群体建设的方面展开分析，进一步探索智能算法下科技期刊的平台型传播模式构建基础。

１．学术平台助力科技期刊资源数据聚合及定制

学术平台的首要特点是资源聚合，这为科技期刊智能算法传播提供了内容资源数据及用户资源数据，进而实现信息与用户的个性化内容定制。中国知网依托其学术资源数据库，为读者用户推出移动终端学术平台“ＣＮＫＩ全球学术快报”。科技期刊在ＣＮＫＩ全球学术快报上可以实现资源数据的聚合及信息内容的定制。首先，学术平台满足了科技期刊智能算法的数据资源聚合基础。ＣＮＫＩ全球学术快报依托数据库，整合全球文献，用户可以在移动终端通过简单检索、高级检索，随时随地获取科技论文、科研成果以及科学观点，并可以一键阅读、下载需要的文献资源、项目及会议信息。用户阅览、收藏的内容信息将在平台留下痕迹，一方面便于用户及时查找回顾，另一方面平台也将整合用户个人信息数据，实现智能算法的分析匹配。其次，学术平台实现了科技期刊智能算法的内容定制服务。用户可以在ＣＮＫＩ全球学术快报“我的图书馆”板块实现学科、期刊、作者和热点的个性化定制，并在首页的“快报播报”查看定制的最新内容。一方面，用户的主动获取行为成为定制内容主体数据，另一方面在数据聚合的基础上，学术平台可以促进定制服务的算法数据分析，进一步完善个性化内容定制。

２．学术平台促进科技期刊内容渠道精准分发

学术平台的包容性为科技期刊的全媒体融合提供条件，这也成为科技期刊智能算法传播为用户精准发放信息内容的平台基础。在用户数据基础前提下，在学术平台借助智能算法技术可以实现数据的分析运用，进一步实现科技期刊用户信息内容的精准传播，满足碎片化阅读需求。具体体现在，一是内容的智能算法精准分发。在ＣＮＫＩ全球学术快报通过快报推送服务，用户可以在首页获取“主题推荐”“为你推荐”的信息内容，及时实时了解科技期刊个性化定制信息，掌握最新学术科技前沿动态，一方面方便科研工作者定制最新科研观点、成果信息的精准推送，另一方面也方便普通读者定制感兴趣科研信息的精准推荐，实现科技期刊内容信息的有效传播。二是渠道的智能算法精准分发。２０１７年超星集团推出“域出版”超星学习通学术平台，用户可以在移动终端上实现科研信息获取及分享，同一科技信息可以实现不同媒体渠道的传播，成为全媒体矩阵传播的重要组成部分。在“域出版”超星学习通学术平台首页，主题、专题及热点话题以ＨＴＭＬ形式展现，科技期刊在聚合的基础上，可以实现文献文本信息在可视化符号信息及服务上的发展，满足受众在平台获取科技信息多元化的需求。

３．学术平台推动科技期刊社交群体有效建立

学术平台即交流平台，可实现科技期刊传受之间、用户之间社交群体的建立，满足及时有效的信息反馈及互动，进而实现智能算法传播长期有效的用户联系数据分析。学术平台助推科技期刊社交群体的社交群体分享，促进期刊用户联系建立。首先，智能算法的轻社交功能设置。比如，ＣＮＫＩ全球学术快报设计“点赞”“评论”及“分享”等轻社交功能为读者和文献作者搭建沟通平台，读者可以通过学术文献与作者进行交流和沟通。其次，用户自主加入社群功能设置。于科技期刊而言，用户可以在“资源”板块根据科技期刊主题分类完成检索、收藏，实时关注期刊动态及最新科研成果的。“域出版”超星学习通首页设计“小组广场”，用户可以再次加入不同的话题吧、兴趣吧、学习吧及共读社，进入共同关注的科技期刊信息社群讨论。最后，用户协同过滤功能设置。在“域出版”超星学习通的消息栏，用户可以绑定通讯录，及时了解好友及小组互动、关注情况，以好友及小组的行为选择构建用户社交群体数据，以智能算法实现科技期刊对目标用户的把握以及传受关系的有效连接。

三、科技期ＰＨ衣托智能算法的平台型传播模式构建

学术平台为科技期刊的平台型传播打下基础。智能算法语境下的科技期刊平台型传播模式是在智能算法信息匹配、精准推荐及人机互动技术的推动下，从传播学内容分析、渠道分析及受众研宄的思路切入的个性化定制内容生产、全媒体矩阵精准推送及社交协同互动模式。

１．搭平台：以智能算法整合科技期刊资源数据信息科技期刊平台型传播模式的基础是平台的搭建，而平台运作的基础是智能算法对科技期刊内容及用户数据信息的聚合。首先是以智能算法平台聚合内容数据资源。科研成果、观点及文献资料的聚合背后提供了大量的数据信息，可成为智能算法运算的条件之一。依托科技期刊近年来数字化转型的数据库基础，可以实现大量科技期刊数字资源在移动终端平台的聚合。再来是以智能算法平台聚合用户数据信息。在互联网时代用户的行为选择的背后都是数据生成。依托用户在平台上对科技期刊的点击、关注、收藏及分享行为，可通过智能算法分析其阅读兴趣、习惯及行为数据，完成用户个人信息数据曲线。最后是以智能算法平台匹配内容和用户数据。智能算法技术推动科技期刊在平台上的融合，促使内容资源与用户信息之间形成定位匹配，可进一步完成科技期刊用户画像，建立用户信息获取的定制内容分析以及精准定位。

２．拓渠道：以智能算法融合科技期刊全媒体分发机制

科技期刊平台型传播模式的要旨是全媒体渠道的拓展，智能算法技术可在数据分析基础上促进多元信息的按需分发。第一是以智能算法分析用户需求的精准曲线。在大数据内容与用户信息匹配的前提下，智能算法可以对用户的兴趣爱好、科研领域、关注重点等内容以及对惯用的信息获取时间段、文本阅读长短等细节场景进行运算分析，从用户的个体视角实现个人信息数据的建立。第二是以智能算法匹配多元信息分发渠道。在科技期刊以智能算法掌握用户曲线的基础上，针对用户需求完成多元渠道的信息分发，具体体现满足受众碎片化阅读需要，在移动终端实现多元信息精准推荐。第三是以智能算法促进全媒体渠道的融合。平台型传播具备包容性，科技期刊可以在纸质印刷传播基础上，建立传统媒体与新媒体平台的传播联动机制，实现同一声音不同渠道表现的整合，满足受众在不同渠道以不同形式获取科技期刊信息内容的需求。

３．建联系：以智能算法协同科技期刊用户社群联系

科技期刊平台型传播模式的发展在于联系的建立，而智能算法的有效匹配及精准推荐可建立稳定的用户社群，促进科技期刊信息有效交互。首先，是以智能算法实现用户信息反馈精准性。科技期刊传播要精准化，其信息反馈也要精准到位。除了用户的直接信息反馈之外，科技期刊可通过智能算法对用户浏览时长、点赞评论数据以及分享情况建立用户信息反馈数据模型，分析其信息传播的有效性。其次，是以智能算法精准匹配社群。智能算法可通过用户在科技期刊全媒体传播平台的使用行为，结合用户的主动定制对用户个人信息数据分类匹配，根据用户个人兴趣建立科技期刊交流讨论群，比如专家交流群、编辑作者交流群及作者与读者交流群等。最后，是以智能算法跟踪用户社群行为。长期有效的数据跟踪可增加科技期刊传受之间的黏性链接，构建多元信息交流互动的信息交互机制，以海量信息的分析处理倒逼科技期刊传播内容更加专业也更加贴切用户需求。