大数据理论是2008 年维克托迈尔-舍恩伯格肯尼斯-库克耶在其书《大数据时代》中提出，他们认为大数据分析不用随机分析法这样捷径， 而采用所有数据进行分析整理。 目前，全球已经进入云时代，数据的存数量爆炸式增长，不断增长的数据意味着新的机遇，大数据理论受到时代追捧便成为必然。 大数据的应用十分广泛，通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究大数据在社会经济各个领域中的作用。 大数据成为新技术发展的热点， 海量和多样化的信息使得大数据需要新的处理模式， 才能为数据信息使用者提供新的有效信息，使得决策更加精准。 2016 年3 月，我国“十三五”规划纲要发布，其中提出“把大数据作为基础型战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用， 助力产业转型升级和社会治理创新”。 因此，将大数据理论应用于学科前沿问题热点的分析， 具有一定的理论意义和实用价值。

音乐学的学科现状与前沿是一个非常大的研究问题，很难进行全面的分析，目前很多学者对音乐学现状发展进行研究论述，但大多都是泛泛而谈。为了对音乐学前沿问题进行科学全面的判断， 本文采用大数据理论，以《音乐研究》《中国音乐学》《中国音乐学院学报》三个期刊为研究对象， 对其2016 年至2018 年所刊发论文的文献量、总被引次数、影响因子、数据库收录、总下载次数等指标进行大数据分析， 探究音乐学发展的前沿问题。

一、大数据理论对科学研究的影响

近年来，大数据在各个领域的应用愈发凸显，随着数据的不断积累，其宝贵价值日益得到体现，我们也开启了全新的大数据时代， 从数据中挖掘出有价值的信息。关于什么是大数据本文也进行界定，即业内所认可的“4V”说法：“数据量大（Volume），数据类型繁多（Variety），处理速度快（Velocity），价值密度低（Value）”。

大数据对思维方式有巨大的转变。 原先人们进行科学分析，习惯用随机采用样本的方法，而随着技术手段的进步，人们会采用全部样本作为研究的对象，而非单个的样本，这种研究方法被称为“全样分析”。这种研究的精度更加精确， 不会因为个别样本的误差而影响研究结果。大数据决策也成为一种新的决策方式。通过分析数据，可以解释事物背后的发展机理，同样也可以预测未来事物发展的趋势。 大数据虽然是研究事物非常好的手段，但是其价值密度比较低，很多有价值的信息分散在海量的数据库中。

而本文的研究就是基于大数据理论， 通过数据的分析，对音乐学前沿问题进行热点分析。

二、关于音乐类期刊的选择

北大核心是学术界对某类期刊的定义， 一种期刊等级的划分。它的对象是中文学术资讯网类期刊。是根据期刊影响因子等诸多因素所划分的期刊。 北大核心是北京大学图书馆联合众多学术界权威专家鉴定，国内几所大学的图书馆根据期刊的引文率、转载率、文摘率等指标确定的， 从影响力来讲其等级属同类划分中较权威的一种。 采用了被索量、被摘量、被引量、他引量、被摘率、影响因子、获国家奖或被国内外重要检索工具收录、 基金论文比、Web 下载量等9 个评价指标。从影响力来讲，其等级属同类划分中较权威的一种。

音乐类的期刊分类为J6 音乐类，根据《中文核心期刊要目总览第六版》（2011 年版）， 有八种期刊收录其中，《中文核心期刊要目总览第七版》（2014 年版），有九种期刊收录其中。 《中文核心期刊要目总览第八版》（2018 年版），有八种期刊收录其中。 为了保证数据的真实性和说服力， 本文研究选择了2011 年、2014年、2018 年北大中文核心期刊目录中， 都排在前三位的《音乐研究》《中国音乐学》《中央音乐学院学报》三种期刊作为研究对象。

根据文献量、总被引次数、影响因子、数据库收录、总下载次数等指标参数，《音乐研究》《中国音乐学》《中央音乐学院学报》 是业内具有权威性和广泛影响力的三个音乐学专业学术期刊， 作为数据来源是充分而又有说服力的。

三、论文主题类别分析

针对《音乐研究》《中国音乐学》《中央音乐学院学报》这三种期刊进行分析，对论文的主题进行分类：作曲家，中华人民共和国，音乐作品，音乐学，艺术创作，音乐创作，拨弦乐器，古代音乐，键盘乐器，文娱活动，音乐会，民族音乐学，音乐美学，乐律学，艺术史，中国传统音乐，音乐史，中国音乐学，艺术学，音乐科学，戏曲音乐，民族打击乐器，艺术教育。 并对每一项的论文进行数量统计，在以下三种期刊的论文中，涉及“音乐家”、“作曲家”、“音乐作品”的论文是最多的。 以2016年至2018 年三年为观测区间，以“音乐家”为主题的文章共计1481 篇，以“作曲家”为主题的文章共计1009篇，以“音乐作品”为主题的文章共计749 篇。其次是涉及“中华人民共和国”和“音乐创作”为主题的文章，分别为643 篇和421 篇。