学习学术探索和协作，包括数据分析工具：
新的方法来衡量和预测研究，研究人员在研究中的一个特定领域的影响;
搜索和挖掘大型数字图书馆，资料库的学术出版物和专利，并链接到其他数据源，如资助项目和专利;
学习使用大数据，包括可扩展的图挖掘等学术协作结构新颖的数据搜索和挖掘工具;
支持可扩展的计算，例如，文件索引与云计算服务的数据基础设施;
算法访问，提取和推荐的学术文章，专家和研究结果。

在线学者的数据平台和系统考虑学术探索和协作，其中包括：
        异构数据源的整合，尤其是开放式的访问，新颖的数据集（例如，维基百科，ZF人口普查数据，专利数据等）;
        存储，索引和查询处理的研究数据;
        设计考虑有效地支持学者的参与使用网络和社交平台;
        对学术发现和协作社交和协作支持;
        在网上学术协作隐私和安全问题和管理。

    数字数据策展和管理的学术探索和协作，其中包括：
        问题和解决方案，以策展的数据，管理和归档;
        现有的管理研究数据的做法;
        可扩展性和管理的研究数据可用性

    学术探索和协作，包括其他方面：
        下一代协作平台设计;
        信息专业人员在从事网上学术合作的作用;
        活动在网上的学术合作，文化和社会的认可和评价。