考试指导范围如下：
一、考试目标
主要考察考生是否初步掌握数据分析与评价的基本概念和理论，检验考生是否了解数据分析与评价的程序，是否能够通过各类研究方法来解决实际问题，并提供用户服务。
二、考试要求
数据分析部分:
(1) 掌握数据分析的基本概念;
(2) 了解主要的数据分析方法;
(3) 初步了解大数据分析成果的评价流程和方法。
评价部分:
(1) 掌握评价研究的基本概念;
(2) 了解评价研究的主要方法;
(3) 初步掌握评价的相关流程。
三、考试内容
第一部分:数据分析
1 大数据概论
1.1 大数据的特点
1.2 数据分析过程
1.3 专业领域知识1.3.1 统计学
1.3.2 数据挖掘1.3.3 机器学习
1.3.4 人工智能
1.3.5 数学
2 大数据的预处理、存储和计算
2.1 数据的预处理
2.2 数据清洗
2.2.1 数据清洗的系统框架
2.2.2 待清洗数据的主要类型
2.2.3 数据检测算法和清洗算法
2.2.4 数据清洗评估
2.3 云存储和云计算
3 数据可视化
3.1 基本原理
3.2 实现过程
3.3 可视化工具
3.4 数据可视化方法
4 回归与分类
4.1 线性回归
4.2 时间序列分析
4.3 逻辑斯谛回归
4.4 判别分类
4.5 k最近邻分类
4.6 决策树
4.7 Bagging分类
4.8 随机森林分类
4.9 AdaBoost分类
4.10 支持向量机分类
5 聚类及相关数据分析
5.1 聚类分析
5.2 文本分析
5.3 网络图形描述和模型
5.4 网络数据分析和图形模型
5.5 关联规则和推荐系统
6 其他机器学习方法
6.1 经典降维方法
6.2 正则化方法
6.3 贝叶斯方法
7 神经网络与深度学习
7.1 神经网络
7.2 深度神经网络
7.3 卷积神经网络
7.4 循环神经网络
7.5 强化学习*
7.6 深度学习在人工智能中的应用
8信息分析的一般方法
8.1 SPSS统计分析法
8.2引文分析法
8.3 知识地图分析法
9 信息分析的特殊方法
9.1 PEST宏观环境分析
9.2 五力模型竞争分析
9.3 BCG投资组合分析
9.4 SWOT战略分析
10 信息分析成果可视化
10.1信息分析成果可视化内涵
10.2信息分析成果可视化过程
10.3信息分析成果可视化主要方法
10.3.1空间信息分析可视化
10.3.2社会网络分析可视化
10.3.3复杂网络分析可视化
10.3.4层次信息分析可视化
10.3.5专利信息分析可视化
11 信息分析成果评价
11.1信息分析成果评价的内涵
11.2信息分析成果评价工作流程
11.3信息分析成果的评价指标体系
11.4信息分析成果的评价方法
第二部分:评价研究
1 科学评价概述
1.1 科学评价活动的兴起与发展
1.2 科学评价的内涵
1.3 科学评价活动的意义
1.4 科学评价活动的原则与类型
1.5 科学评价系统
2 评价学的理论基础
2.1 价值理论
2.2 认识理论
2.3 计量学理论
2.4 比较与分类理论
2.5 信息管理科学理论
2.6 系统科学理论
2.7 科学管理与决策理论
3 评价学的学科构建
3.1 评价学构建的意义
3.2 评价学的兴起与发展
3.3 评价学的学科体系
4 评价学的理论体系
4.1 评价学的理论来源
4.2 评价学的理论构成
5 评价学方法论
5.1 评价学方法论的意义
5.2 评价学方法论概述
5.3 评价学方法论的内容
5.4 评价学方法的分类与比较分析
6 广义的评价方法
6.1 评价的程序
6.2 评价指标体系形成的一般方法
6.3 评价指标权重赋值方法
6.4评价信息获取与数据处理方法
7 评价学的定性方法
7.1 同行评议发
7.2 案例研究法
7.3 德尔菲法
7.4 标杆分析法
7.5 调查研究法
8 评价学的定量方法
8.1 文献计量法
8.2 经济计量法
9 评价学的综合方法
9.1 层次分析法
9.2 多指标综合评价法
9.3 知识图谱分析法
10 国家竞争力分析
11大学评价
12 科研机构评价
13 企业竞争力评价
14 学术期刊评价
15人文社会科学研究成果评价
四、参考教材
1. 情报学基础教程.叶鹰主编.科学出版社，2023
2. 评价学:理论·方法·实践 .邱均平主编.武汉:科学出版社，2010
3. 数据科学与大数据导论.陈明主编.清华大学出版社，2021