- 考试科目与代码
- 专业课核心参考书目
- 与重点分析
- 备考策略与建议
- 关于导师选择
考试科目与代码
国科大博士研究生的招生是“申请-考核”制，但部分研究所/院系仍会组织统一的博士生入学考试，情报学专业通常隶属于中国科学院文献情报中心（国家科学图书馆）。
（图片来源网络，侵删）
其专业课考试科目一般为：
- 科目代码：
2115 - 科目名称： 情报学基础
每年的招生简章可能会有微调,务必以国科大研究生招生网以及文献情报中心官网发布的最新招生简章和考试大纲为准。
专业课核心参考书目
这是备考的重中之重,情报学基础的参考书虽然不多，但内容精深，需要反复研读，核心书目通常包括以下几本：
核心必读（重中之重）
-
《情报学概论》（第5版）
（图片来源网络，侵删）- 作者： 严怡民、马费成、邱均平
- 出版社： 武汉大学出版社
- 简介： 这本书是情报学领域的“圣经”，国内几乎所有情报学考研/考博都会作为核心参考书，它系统地介绍了情报学的基本概念、理论、历史和发展。这本书需要精读、细读、反复读，几乎每一个章节都可能成为考点。
-
《信息资源管理》（第3版）
- 作者： 马费成、李纲、邱均平
- 出版社： 武汉大学出版社
- 简介： 情报学的实践与应用离不开信息资源的管理，这本书从宏观到微观，系统地阐述了信息资源的规划、组织、采集、存储、检索、开发、利用和服务的全过程，它与《情报学概论》相辅相成，构成了理论-实践的核心框架。
-
《信息检索：理论与方法》（第2版）
- 作者： 王永成
- 出版社： 高等教育出版社
- 简介： 信息检索是情报学的核心技术和应用领域，这本书内容非常扎实，涵盖了信息检索的数学模型、布尔逻辑、向量空间模型、概率模型、文本处理、Web搜索等关键技术。对于技术背景较弱的同学来说，这本书有一定难度，但必须攻克。
重要拓展与深化
-
《科学计量学知识图谱》
- 作者： 陈超美
- 出版社： 电子工业出版社
- 简介： 由文献情报中心的陈超美教授（CiteSpace软件的作者）所著，这本书是文献计量学、科学计量学、信息可视化领域的经典，文献情报中心在这些领域有很强的研究实力，因此相关知识点（如引文分析、共词分析、h指数、知识图谱等）是考试的重点，CiteSpace软件本身及其应用也可能成为考点。
-
《信息组织》（第4版）
（图片来源网络，侵删）- 作者： 马张华
- 出版社： 高等教育出版社
- 简介： 如果说《信息检索》是“找”信息，信息组织》管”信息，它介绍了文献分类、主题标引、元数据、本体等知识，这部分内容在基础考试中占比可能不如前三本，但也是情报学知识体系中不可或缺的一环。
与重点分析
“情报学基础”这门课的考试，旨在考察学生对情报学核心理论、关键技术和前沿发展的掌握程度，通常题型包括：名词解释、简答题、论述题、案例分析题等。
核心考点分析
第一部分：情报学基础理论（《情报学概论》）
- 情报学的基本概念： 情报、信息、知识、数据的关系与区别；情报的属性（价值性、时效性等）。
- 情报学的研究对象与学科性质： 情报学的研究对象是什么？它是一门什么样的学科（交叉性、综合性）？
- 情报学的历史与发展： 经典学派（如英国文献工作学派、美国芝加哥学派）及其代表人物和思想。
- 情报学的基本理论： 布拉德福定律、齐普夫定律、洛特卡定律，这是三大经典文献计量定律，必须理解其含义、数学表达、图形特征和实际应用场景。
- 情报学研究方法： 文献计量法、内容分析法、引文分析法、网络计量法等。
第二部分：信息资源管理（《信息资源管理》）
- IRM的概念与发展： 信息资源管理的定义、目标、发展阶段。
- 信息生命周期管理： 从信息产生、采集、组织、存储、检索、处理、传递到利用、销毁的全过程管理。
- 信息标准与规范： 元数据标准（如Dublin Core）、数据规范、编码标准等。
- 信息政策与法规： 知识产权（特别是著作权）、数据安全、隐私保护等相关法律法规。
第三部分：信息检索（《信息检索：理论与方法》）
- 信息检索模型：
- 布尔模型： 原理、优缺点。
- 向量空间模型： 原理、TF-IDF、余弦相似度计算。
- 概率模型： 如BM25模型的基本思想。
- 文本处理： 文本预处理（分词、去停用词）、索引构建（倒排索引）。
- 评价方法： 查全率、查准率、F值、平均查准率等评价指标。
- Web信息检索： PageRank算法的基本思想、搜索引擎的基本架构。
第四部分：前沿与热点（结合文献情报中心研究方向）
- 科学计量学与知识图谱：
- 核心指标： h指数、g指数、期刊影响因子、影响因子等。
- 分析方法： 共被引分析、耦合分析、共词分析。
- 工具应用： CiteSpace、VOSviewer、HistCite等软件的基本原理和应用。
- 数字图书馆与智慧图书馆： 概念、技术架构、服务模式。
- 数据科学与大数据： 大数据对情报学的影响、数据驱动决策。
- 用户行为研究： 信息搜索行为、信息消费行为分析。
备考策略与建议
- 回归官方，吃透教材： 把上面列出的核心书目（尤其是前三本）至少通读3遍，第一遍建立框架，第二遍深入理解，第三遍查漏补缺并记忆，不要好高骛远，先把基础打牢。
- 构建知识体系，而非零散记忆： 用思维导图等工具，将各个章节的知识点串联起来，形成一张“情报学知识网络”，将布拉德福定律、齐普夫定律、洛特卡定律放在一起比较学习；将布尔模型、向量空间模型、概率模型放在一起对比其优缺点。
- 关注前沿，紧跟动态： 文献情报中心官网、国科大招生网是获取信息的第一渠道，关注该领域顶级期刊（如《Journal of the Association for Information Science and Technology》, 《Scientometrics》）和顶级会议（如ASIS&T）的最新研究动态，特别是中心老师们的研究方向，这不仅能帮你应对论述题，更是面试环节的关键。
- 动手实践，加深理解： 对于信息检索和知识图谱部分，强烈建议下载并学习使用CiteSpace、VOSviewer等工具，找一些公开的数据集（如Web of Science的某个领域数据）亲手操作一遍，你会对理论有更直观和深刻的认识。
- 研究真题，把握规律： 如果能找到往年真题（可以通过学长学姐、网络论坛等渠道），一定要认真研究，真题是最好的风向标，能帮你了解出题风格、重点分布和难度水平。
- 输出练习，模拟答题： 光看不练假把式，针对每个核心考点，尝试自己组织语言，写出完整的答案，特别是论述题，要练习如何围绕一个中心论点，从多个角度进行有条理、有深度的阐述。
- 英语能力不容忽视： 虽然专业课是中文考试，但阅读英文文献、理解英文术语是博士阶段的基本功，很多前沿理论和技术都源自国外，良好的英语能力会让你在备考和未来研究中事半功倍。
关于导师选择
在“申请-考核”制下，提前联系心仪的导师至关重要。
- 如何找导师： 访问文献情报中心的官网，查看“研究队伍”或“导师介绍”栏目，了解各位导师的研究方向、承担的科研项目和发表的学术论文。
- 如何匹配： 选择与你本科/硕士专业背景、研究兴趣相符的导师，仔细阅读导师近几年的论文，了解其学术深度和风格。
- 如何联系： 准备一份简洁、专业的个人简历（包括教育背景、科研经历、发表论文、获奖情况等），并附上一封真诚的邮件，在邮件中清晰地表达你为什么想报考他的博士，以及你的研究兴趣如何与他的方向契合。
- 导师研究方向参考（文献情报中心优势领域）：
- 科学计量学与科技评价
- 知识组织与知识图谱
- 数字图书馆与智慧知识服务
- 信息行为与用户研究
- 数据科学与大数据分析
再次强调：以上信息是基于往年情况的总结，最权威的信息源永远是当年的官方招生简章和考试大纲，请务必密切关注中国科学院大学研究生招生网和文献情报中心的官方通知。
祝你备考顺利,成功上岸！
