發布時間：2023-03-30 11:29:27
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的數據挖掘技術探討論文樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
一、數據挖掘的定義
數據挖掘是一個涉及多學科交叉的研究領域，綜合了人工智能、機器學習、數理統計等學科，它把對數據的應用從較低層次的簡單的查詢提升到從數據中挖掘知識。簡單的說，數據挖掘就是從數據中獲取知識。從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道、但又是潛在有用的信息和知識的過程。數據挖掘應該更正確地命名為“從數據中挖掘知識”。
二、數據挖掘的過程
數據挖掘過程大概可以概括為三部分：數據準備、數據挖掘、結果的表達和解釋。如圖1-1。
三、數據挖掘的特點
數據挖掘是在沒有明確假設的前提下去挖掘信息、發現知識，所得到的信息具有事先未知、有效、實用三個特征；用戶不必提出明確的要求，系統能夠根據數據本身的規律性，自動地挖掘數據潛在的模式，或通過分析建立新的業務模型，幫助決策者調整市場策略，這有利于發現未知的事物。因此，它是由數據驅動的一種真正的知識發現方法。
四、學生成績管理的現狀
隨著高校招生規模的擴大使成績管理處理的數據量急劇增加，存放在數據庫中的大量的成績數據，對于一般的查詢過程是有效的，管理人員能夠通過簡單的統計或排序等功能獲得一些表面的信息，但隨著數據庫中存儲的數據量的增大，傳統的數據庫管理系統的數據管理和處理功能就不能滿足現實的需要，因為無論是查詢、排序還是方差，其處理方式都是對指定的數據進行簡單的數字處理，對于學生成績管理方面，往往只能做一些簡單的功能，由于大量數據以不同的形式存儲在不同的計算機上，從而使隱藏在其中的大量有用信息無法得到有效的利用，無法發現數據中存在的關聯和規則，無法根據現有的數據預測未來的發展趨勢。上述問題直接導致教學管理部門無法進行有效的評估，任課教師無法進行有效的教學方法改進。而如何將這些數據信息轉化為知識表示，為學校管理者提供決策依據，科學指導教學，提高教學管理水平，將是高校需要迫切解決的問題。
五、將數據挖掘技術在成績管理中的應用
1、學生成績分析方面
學生的學習成績是評估學生表現好壞的重要依據，也是學生是否掌握好所學知識的重要標志，目前高校使用的成績管理系統大部分只能做一些簡單的數據管理和處理，例如：學生的平時成績輸入、考試成績輸入、畢業設計成績登記，進行各類統計報表和信息查詢、分析某一個班學生學習成績分布的情況等。目前大量的成績數據只是簡單地存儲在數據庫中，隱藏在這些數據中的潛在信息被閑置，沒能被充分利用。在數據庫中學生成績分析從定性的角度考慮不是很精確，而數據挖掘是從定量的角度精確地分析學生成績分析的各個方面數據。
2、在考試方面
考試是對教師教學效果和學生學習效果的一個檢驗，是教學中必不可少的環節，雖然按考試成績可以總體評價在一定時期內學生取得的成績，但這并不能有效地說明成績的高低與哪些因素有關，無法知道教師教學環節中的成功與不足之處，對教師教學方法的改進和學生學習成績的提高都沒有實際意義上的幫助，而且，學生考試成績的高低也與試題的質量有著很大的關系，因此探索有效的方法來評價試題的質量如試題難易度，知識點全面度等在實際的教學過程中同樣具有重要的意義。將數據挖掘技術應用于試卷分析數據庫中，然后根據學生得分情況分析出每道題的難易度、區分度、相關度等指標，那么據此，教師可以對試題的質量作出比較準確的評價，進而可以用來檢查自己的教學情況及學生的掌握情況，并為今后的教學提供指導。
2、在教學評價方面
教學評價是教學中的一個重要環節，是引導教育、培養高素質人才，幫助社會充分利用教育成果和促進教育健康發展的保證。傳統的教學評價大多是參考相關評價指標體系和調查問卷等方式實施的，而且更是注重評價的結果，以作為教師晉升、學生評優等的依據．高校每學期都要搞課堂教學評價調查，積累了大量的教學信息數據，利用數據挖掘技術，從教學評價數據中進行數據挖掘，探討教學效果的好壞與教師的年齡、職稱之間有無必然的聯系，課堂教學效果與教師整體素質關系如何，合理配備班級的上課教師，使學生能夠較好的保持良好的學習態度，從而為教學部門提供了決策支持信息，促使更好地開展教學工作，提高教學質量。
3、選擇教師的教學方法方面
在教學過程中，教師可以采用多種方法來完成自己的教學任務，比如講授法、多媒體演示、分組討論法、課程實習法等，在通常情況下，一般可以采取一種或幾種方法進行．據此可用數據挖掘的方法來挖掘數據庫中的數據，判定下一步應采取什么樣的教學方法，以滿足教學的需要，更有利于學生對知識的吸收。
4、課程的合理設置方面
在學校，學生的課堂學習是循序漸進的，而且課程之間有一定的關聯與前后順序關系，在學一門較高級課程之前必須先修一些先行課程，如果先行課程沒有學好，勢必會影響后續課程的學習，此外，每一學期安排課程的多少，也會影響學生的學習效果。利用學校教務管理系統中存放的歷屆學生各門學科的考試成績，結合數據挖掘技術的相關功能，得出一些有價值的規則和信息，最終找到影響學生成績的原因，在些基礎上，對課程設置做出合理安排。
六、結束語
隨著我國各高校管理信息化的不斷推進，各類學校的數據庫建設不斷完善，在學校平時的教育教學管理中累積了大量的數據。在這些海量的數據中，隱藏著大量有用的知識，如果利用好這些知識，將能夠對學校的教育教學工作起到積極的指導作用。數據挖掘技術正是為了解決如何從海量數據中挖掘出有用的知識，因此，將數據挖掘技術應用到高校的教育教學中去是非常有必要的。
參考文獻：
【1】吉根林,帥克,孫志揮.數據挖掘技術及其應用.南京師大學報（自然科學版）,2000,23(2):25-27
【2】李慶香.數據挖掘技術在高校學生成績分析中的應用研究:碩士學位論文.重慶:西南大學教育技術系,2009
隨著云計算和云存儲的推廣，可以收集和利用越來越多的數據。為了高效地處理和有效地利用各種形式的海量數據，以數據倉庫、數據挖掘、聯機分析處理等為核心的商業智能(BusinessIntelli-gence，BI)技術應運而生。商業智能這一概念由加特納•格魯派于1989年提出，可將商業智能理解為一種能夠將機構現有的數據轉化為知識，幫助機構通過基于事實和電腦化系統，做出科學業務決策的工具。商業智能技術已成功地應用于銀行、電信、保險、制造業和零售業等行業。［6］從全球范圍來看，商業智能已經成為最具有前景的信息化領域。通過調查了解世界各地的高等教育部門采用商業智能技術的狀況發現，高等教育已明顯落后于其它行業。然而，DaveWells在文獻中指出，越來越多的高校正在關注商業智能應用這一主題，高等教育在技術方面已經到了應用商業智能的時候了。［7］例如，北美高等教育界較早關注商業智能應用的重要性，美國部分高校已經采用或正開始采用商業智能技術，對學校的教育數據進行整合分析，為學校的科學決策與管理提供信息支持。如賓州州立大學、密執根大學均于2005年提出建設BI項目的倡議，弗羅里達州立大學、華盛頓大學分別于2007年、2008年開始利用BI項目分析學校整合數據進行決策支持，普渡大學于2008－2014年期間建設學校新的協同集成系統，印第安納大學2009年提出BI建設路線圖，斯坦福大學商業智能中心2009年提交的BI架構及方案獲批準、2010年正式啟動項目建設，加州大學(總部)建設StatFinder系統，伊利諾斯大學建立學校決策支持數據倉庫，亞利桑那州立大學為支持科學決策建設了儀表盤(dashboard)等。在歐洲、亞洲等地區的高等教育體系中，商業智能技術的應用才剛剛起步。我國少數高校也開始邁出了建設BI系統的步伐，如中山大學2010年開始提出學校BI系統建設倡議，現已初步完成BI系統的數據倉庫建設，上海交通大學2011年推出BI項目的子系統———財務管理駕駛艙系統，復旦大學為學校師生在校生命周期實現管理信息化“全覆蓋”，中國人民大學推出綜合數據填報、數據存儲、數據管理和數據展示等四大功能的數據平臺，浙江大學為優化資源配置建設共享數據中心進行數據集成，上海財經大學建設校務決策支持系統，常熟理工學院建立高校決策支持系統等等。同時，基于商業智能技術產出的數據，也形成一批對高等教育和高校自身進行深入分析的研究報告。如美國教育研究的主要組織院校研究學會，年會報告除了涵蓋數據管理、數據倉庫等關于計算機技術本身的報告之外，關于評估、資源、學生、合作和分析的報告，較多地來自于商業智能系統數據的研究結果。［8］
二、數據驅動的高校教育管理智能平臺架構
在海量教育數據亟待有效利用的驅動下，為提高高校管理效益，將商業智能技術應用到高校教育管理中，對高校產生的大量數據用數據挖掘等商業智能技術進行分析研究與處理，可以幫助高校決策者做出對學校發展更為有利的科學決策。其關鍵是建立綜合層面上的、能反映高校整體教育教學管理的信息集成系統平臺(下文簡稱高校BI系統平臺)。高校BI系統平臺體系架構由數據源、數據存儲與管理層、數據分析層和用戶接口層組成，如圖1所示。
(一)數據源
數據源是整個系統的基礎，包括高校各類業務管理信息系統的內部數據和其他外部數據。內部數據包括存放于操作型數據庫中的各種業務數據和辦公自動化系統包含的各類文檔數據，如學校財務處、人事處、教務處、科研處、設備處等部門數據庫中業務數據;外部信息包括各類教育信息、外部統計和調研數據及文檔等。
(二)數據存儲與管理
數據存儲與管理層是整個系統的核心，包括ETL管理工具、公共數據集、元數據、數據倉庫和數據集市。高校BI系統平臺建設采用數據驅動設計方法，從學校原有的各個部門的業務處理系統和外部數據源中經過ETL提取數據，并根據常見的分析和統計主題，建設校級數據倉庫以及人才培養、師資隊伍、科學研究、辦學資源、交流合作等主題的數據集市。
(三)數據查詢與分析
高校決策者常常希望從不同的角度審視教育數據，比如從時間、區域、學科、教學或科研成果、課程建設、學生層次、交流合作、辦學資源等維度全面了解學校的教育質量和狀態。高校BI系統平臺的數據分析層利用商業智能技術為高校管理主要提供固定報表、即席查詢、統計分析、多維分析、預警功能、預測分析、數據挖掘建模分析及優化分析等，根據學校現有學生、教師、資源、科研和人才培養等狀況，有助于高校決策者全面地對學校資源配置進行調控、對學校整體辦學信息的內部結構進行調整等，做出對學校發展更為有利的科學決策。
(四)用戶接口
用戶接口層根據高校用戶訪問需求和角色訪問授權機制，提供強大的多用戶數據查詢操作，并以儀表盤或表格、直方圖、餅圖等直觀方式將查詢結果或決策信息呈現給用戶。
三、應用案例
下面以高校BI系統平臺中的調研數據為商業智能技術應用案例，利用回歸方法對大學生學習成果進行數據挖掘分析。
(一)數據來源
案例分析的數據來源于高校BI系統平臺中“中山大學學生學習狀況調查”項目于2012在中山大學全校范圍內開展的在線調研數據。［13］調查覆蓋全校36個學院(系)，調查總體約為3．3萬名本科生。讓學生在無壓力的情況下答題，共回收問卷7051份，回收率約為21．2%，與國際上通用的問卷回收率相當。案例分析聚焦于本科樣本，全部回收的問卷根據答題時長、問卷質量標準等原則，篩選出有效問卷數據6673份，有效率為94．6%。本研究從學生學習經歷角度，在“生源－學習－成果”的邏輯框架中，考察分析學校因素和學生因素對于學生學習成果的影響機制。調查把學生學習經歷和成果分解為生源情況、學校學習資源供給、學生與學校的融合、學生學習投入、學生成果、學校成果6大維度，各維度下題目的內部一致性均達到0．9以上，具有較高的信度。
(二)數據分析
逐步回歸提供了一種識別與學生學習成果相關的具體經歷的方法，對于學生學習狀況調查中的227項進行相似項合并，用向前和向后逐步回歸確定與學習成果相關的項目，對殘差圖和診斷法的徹底審查，最后確定17個獨立變量出現在多元回歸模型中(如表2所示)，其中，相關系數R為0．994，校正判定系數R2為0．988，因變量變化中有98．8%左右的信息可以由預測變量解釋，說明模型的擬合優度較好;Durbin－Watson為1．937，接近最佳理想值，如表1所示。表2顯示的是回歸系數的相關統計量，可以看出，這17個獨立變量的顯著性概率Sig．都小于0．05，說明其系數顯著不為0，這17個變量均與學生學習成果顯著相關。分析表2中的數據可以看出，學生學習經歷中的學校學習資源提供、學生學習投入和校園文化及學校成果等四大維度的17個變量均為影響學生學習成果的重要預測變量，包括課程作業評價、專業學習經歷評價、學術規范指導、平等文化、多元能力的培養氛圍等學校因素變量，以及朋輩交流情況、自主學習情況、活動參與情況、課外閱讀情況、論文寫作情況、討論關注的內容情況、師生交流、課業活動及個人閑暇活動時間分配等學生因素變量。同時，在校經歷滿意度、綜合滿意度和能力培養滿意度等融合學校因素和學生因素的學校成果也對學生學習成果具有一定的影響。通過標準系數可以看出，朋輩交流情況、自主學習情況和討論關注的內容情況分別是第一、第二和第三重要的預測變量，而性別、年級、所在校區等人口學變量并未出現在該回歸分析模型中，對學生學習成果的影響不顯著。進一步分析朋輩交流情況和自主學習情況調查指標應答概況，如表3所示，“有時”、“時常”或“頻繁”進行朋輩交流的比例為63．7%～97．7%，自主學習的比例為52．5%～92．9%，朋輩交流和自主學習的平均比例相當高(81．8%)。“有時”、“時常”或“頻繁”地進行朋輩交流方面的主要比例情況為:“與家庭背景(社會、經濟的)不同的同學交流”為97．7%、“與興趣不同的同學交流”為95．6%、“在與同學的談話中得到啟發，改變自己的想法”為94．4%、“與世界觀、價值觀不同的同學交流”為93%、“與不同專業的同學交流”為92．6%、“同學與你談話后，表示受到了你的啟發”為90．8%。“有時”、“時常”或“頻繁”地進行自主學習的主要比例情況為:“利用圖書館、網絡等資源豐富自己的學識”為92．9%、“根據課程安排，做課堂展示”為91．3%、“努力掌握對自己而言較難的課程內容”為91．3%、“隨著學習經歷的豐富不斷整合、梳理自己的知識系統”為88．4%，“因課程設置和教師的要求具有挑戰性而更加努力地學習”為85．9%。上述情形符合VincentTinto在研究大學生退學問題時提出的理論模型:學生取得較好的學習成果，依賴于他們在學習經歷中能否將自身的經驗和目標與學校系統內部的學術系統和社交系統相融合。［10］學術系統代表學生個人的課業表現、智力發展、學業成就等綜合表現，如表2中自主學習情況、活動參與情況、課外閱讀情況、論文寫作情況、討論關注的內容情況及課業活動等屬于學術系統的范疇。社交系統代表學生在校內的同伴關系、師生關系、社交行為等綜合表現，如朋輩交流情況、師生交流及個人閑暇活動時間分配等屬于社交系統的范疇。學生在其學習經歷中，有效地利用學習資源和校園文化氛圍、將學術系統和社交系統進行整合，可以從學業和人際關系上自我提升，從而提高學習成果。
四、小結
1加強期刊文獻推送服務的必要性
2001年以來，信息推送模式成為我國圖書情報界關注與討論的熱點，對信息推送的技術、內容、方式、應用和存在的問題等進行了研究[7]，尤其在數字圖書館信息推送中得到較多的實踐，如浙江大學圖書館推出了入藏新書郵件推送服務[8]，西北工業大學圖書館對三大索引收錄論文進行郵件推送服務等[9]。期刊擁有3支較大的隊伍，即作者隊伍、審稿專家隊伍和編委隊伍，他們是期刊文獻潛在的用戶群。由于用戶以拉取模式獲取期刊文獻存在以上問題，筆者提出基于用戶科研工作文獻信息的需要，以電子郵件方式進行期刊文獻的推送，以便用戶能夠及時獲取和引用相關文獻信息。這樣可以宣傳與推介期刊，轉變服務理念，由過去的用戶單向被動獲取文獻，到現在的期刊主動出擊，從而加強用戶與期刊的互動與合作,以實現“推”“拉”結合的方式，為用戶提供更及時、主動和有針對性的文獻服務，提升期刊文獻的顯示度、利用率和影響力。
2電子郵件系統進行期刊文獻推送的策略
2.1用戶數據庫的建立
要向用戶推送期刊文獻，必須要有需求期刊文獻用戶的數據信息和電子郵件地址等，可以通過多種渠道準確獲取用戶的有關信息：一是通過編輯部的投審稿系統提取投稿作者及評審專家的信息，如用戶姓名、研究方向及電子郵箱等；二是通過編委資源庫獲取相關編委的個人信息；三是通過行業學術會議的通訊錄等提取相關專業學者的信息；四是通過高校院系網站獲取專業學科帶頭人及有關學者的信息；五是與其他期刊編輯部進行資源互換，獲取有關專家的信息。將收集到的用戶數據（用戶名、專業方向、電子郵箱等）建立在群發郵件工具Outlook（或OutlookExpress等）中，及時更新用戶數據庫，并將用戶按照專業方向進行歸類分組，不斷挖掘和發現用戶文獻信息的需求。
2.2期刊文獻的提取
已被錄用并正式確定刊期的文章，經過編輯、排版、校對后，便可形成最終的電子版本，須盡快將期刊目次和正文轉化為PDF格式等常用格式，再將相近專業的文獻進行聚合分類，建立分組文件，并打包壓縮。另外可將過往的期刊文獻進行提取、分類和壓縮。同時，將用戶數據庫與提取的文獻信息進行關聯，準備發送。2.3期刊文獻的推送在垃圾郵件滿天飛的狀況下，為防止被當做垃圾信息過濾，就要在郵件模板設計時特別注意，郵件主題及內容描述力求準確，既要介紹刊物，又可歡迎賜稿；還建議已實行OA（開放獲取）的期刊，將OA網址一并加入；語言表述還要體現個性化，以確保推送的質量。文獻推送主要采用電子郵件的群發方式。目前可以群發郵件的軟件較多，如Outlook、OutlookExpress、W3JMail等，要注意選擇如可調用Outlook作為數據推送客戶端，實現郵件推送服務的自動化，自動將期刊文獻信息推送到用戶郵箱。
【關鍵詞】遠程教育；學習過程滿意度；評價；主成分分析；數據挖掘
【中圖分類號】G420 【文獻標識碼】B 【論文編號】1009―8097 (2008) 09―0072―03
一 引言
與傳統的教育形式對學習者的種種限制相比較，以計算機網絡、多媒體和衛星傳送等現代通訊技術為基礎的現代遠程開放教育極大地提高了學習的自由性、開放性和資源利用效率。而同時，如何從學習者學習有效性的角度出發，對這種新型的教育形式進行效果評價也成為一個具有現實意義的研究課題。
現階段的遠程教育評價多采用總結性評價，以學期結束時（或每年一次）的定期考試、或相關調查問卷作為評價學生、教師、課程等的依據，事實上這是不夠的，因為教育是一個復雜的大系統，應該以長期的形成性的評價手段為主來進行評價。在評價過程中不斷的給被評價客體提供指導意見，幫助他們達到最終期望的目標。雖然在傳統教育領域，這樣的評價方式需要投入大量的人力物力，通過持續的跟蹤觀察來收集、統計相關信息，具有很大的實行難度，但這在當前的網絡教育環境下卻是有可能實現的，即在評價過程中通過評價模型構建、軟件設計、網絡存儲等新的技術手段來解決這個問題[1]。針對遠程網絡教育環境下人員分布很廣、結構松散的組織特點，我們需要用一種新的信息收集方法和評價標準來彌補傳統評價方法的不足，適應這種新型教育模式引起的評價方法、手段的變化，這就是與遠程教育環境、遠程學習過程相適應的網絡評價系統――“學習過程滿意度”評價模型。
二 學習過程滿意度評價模型的建立
1 學習過程滿意度評價模型的提出
“學習滿意度”的概念由多倫多大學的Allen Tough博士[2]于1982年提出，指的是對學習活動的感覺或態度，用來解釋學習者參與學習活動的動機和參與學習的結果。本文從遠程網絡教育學習者學習成效評價的角度出發，提出建立遠程教育“學習過程滿意度”評價模型的思路，著重關注在網絡學習過程中學習者動機、方法、信心及成果獲得的變化程度，并結合了當前遠程網絡教育實施水平對學習者的影響，將這一評價模型的研究方向界定為5個方面，分別為：學習準備、學習方法、學習效果、自我評價、支持服務。該模型的結構示意圖如下：
學習過程滿意度評價模型試圖通過建立一套基于學習者行為方式、認知過程和學習效果的綜合評價指標體系，利用大量數據記錄和統計分析結果的積累，評價甚至預測學習者的當前和將來學習過程滿意度，為每一個學習者提供有效的個體學習支持服務，來改善目前遠程教育條件下學習效率較低的狀況。通過構建學習過程滿意度評價模型，可以及時獲得學習者當前的學習狀態，如學習進程、學習風格等，從而及時進行改進，如對教學內容進行調整，甚至包括個性化輔導等。這種即時反饋之所以是必須的，是因為它是評價和調整后繼學習的基礎。這一過程中充分重視師生之間、學習者之間、學習者與課程服務之間的互動作用，并通過各種途徑和方法來保證、促進這種聯系和互動。比如，包括對學生作業完成狀況以及提出的問題提供及時和建設性的意見、根據學習過程滿意度的評價結果提出改進學習方法的建議、學習過程中對學習者科研能力的培養，其中包括資料的收集、整理和分析能力等等。
2 學習過程滿意度評價指標體系的構建
評價指標體系的確立是遠程學習者學習過程滿意度評價的基礎，其設計的合理性直接影響到被評價對象學習過程滿意度的評價結果，是學習過程滿意度研究中最為重要的一個環節。學習過程滿意度評價指標的選取原則如下：
（1） 建立的學習過程滿意度評價指標體系，必須是與學習者學習過程緊密相關的，也是學習者認為重要的；
（2） 評價指標是能夠被控制的，即根據評價結果，能使相關指標得到改進；
（3） 評價指標必須是可測量的或能夠被描述的，學習過程滿意度評價的結果需要得到量化，因此設定的評價指標必須是可以進行統計、計算和分析的。
基于上述原則，經過與中央電大部分專家的深度訪談和調查問卷兩種定性研究方式，將學習過程滿意度評價指標體系歸納為5大類，14個具體指標，見下表：
其中，學習準備包括學習條件、知識背景、動機等指標；學習方法包括認知習慣、學習措施等指標；學習效果包括學習進展、知識掌握、創造力、文獻積累等指標；自我評價包括自信心、交流程度；支持服務包括答疑、知識拓展、業務幫助等指標。
在評價指標構建中，基于對遠程學習過程側重點偏好程度的不同，研究人員對指標體系結構的掌握程度也不同。對于這種指標體系結構比較模糊的情況，本文采用主成分分析法來確定各個指標的權重。
3 利用主成分分析法確定評價指標權重
以下簡要介紹利用主成分分析法測定該指標體系權重的原理[3]。
主成分分析是指將原來眾多具有一定相關性的指標，由重新組合成的一組互相無關的綜合指標來替代的過程。通常數學上的處理就是將原來n個指標進行線性組合處理，作為新的綜合指標。最常用的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達對原有指標的評價，即Var（F1）越大，表示F1 包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來的n個指標的信息，再考慮選取F2即第二個線性組合，這時為了有效地反映原來信息，F1已包含的信息就不需要再出現在F2中，用數學語言表達就是要求Cov（F1，F2）=0，稱F2為第二主成分。依此類推可以構造出第三、第四、…、第n個主成分綜合指標。一般來說，主成分個數提取原則為主成分對應的特征值大于1且主成分累計貢獻率≥85%的前m個主成分。在分析過程中，能夠通過初始因子載荷矩陣得知各個指標在每個主成分上的載荷，即每個主成分反映出各個指標信息的程度，并根據主成分提取原則確定合適的主成分個數，從而得到有效主成分的綜合得分模型，其中與各個指標對應的系數即為每個指標的權重。
在學習過程滿意度評價模型指標體系建立過程中，以中央電大部分網絡課程使用者作為調查對象，通過電話訪問和在線調查形式共發放調查問卷205份，其中回收有效問卷178份，對各個指標的評級采用萊克特的五點等級法，分別為：
5分――非常滿意；4分――比較滿意；3分――基本滿意；2分――不太滿意；1分――非常不滿意。
由原始數據可計算出各指標的滿意度評級的平均分，見下表：
利用SPSS13.0軟件，對調查統計數據進行主成分分析，結果如下（程序及計算過程省略）：
在本例中，前兩個主成分的累計貢獻率為89.2%>85%，意味著提取前兩個主成分就基本能夠反映全部指標的信息，所以決定用兩個新的綜合變量來代替原來的14個指標變量。再根據兩個主成分F1和F2的表達公式，得到學習過程滿意度評價的綜合得分模型為：
Y =0.218X1 +0.283X2 +0.276X3 +0.286X4 +0.236X5 + 0.297X6 + 0.274X7 +0.276X8 +0.183X9 +0.146X10 +0.169X11+0.187X12 +0.264X13 +0.156X14
其中X1-X14表示表1中列出的14個評價指標，式中每個指標對應的系數即為各指標的相對權重。
4 各評價指標滿意度評級與相對權重的象限圖分析
從表1中計算出的各指標相對權重可以看出，知識背景、學習動機、認知習慣、學習措施、學習進展、知識掌握、創造力和知識拓展這8個指標的相對權重高于平均值，比較受到重視。為進一步分析學習過程滿意度評價模型所選擇的14個指標的相對重要程度，以滿意度評級的平均分作為橫坐標， 以各指標相對權重作為縱坐標，繪制象限圖如下：
由上圖可知，位于第一象限的4個指標，學習動機、認知習慣、創造力和知識拓展比較受到學習者的重視，同時學習者對這4項指標的滿意度評價也較高；位于第二象限的4個指標知識背景、學習措施、學習進展、知識掌握屬于重要程度較高但學習者滿意度評價較低，說明對學習者來說，如果這4項指標能有所提升，對提高遠程教育學習過程滿意度的影響是比較大的；位于第三象限的4個指標學習條件、自信心、交流程度和業務幫助屬于重要程度和滿意度評價都相對較低的，這4項指標對于學習過程滿意度的影響還需繼續關注；第四象限的2個指標文獻積累和課程答疑屬于滿意度評級較高，但相對重要性不高的。
三 對學習過程滿意度評價模型的應用總結
根據前述對遠程教育學習過程滿意度評價的實質和評價系統的涵蓋范圍，可以將評價模型的應用及整個評價過程大致分為以下六部分：
（1） 制定評價方案，選擇評價方法。這一步是整個評價活動的基礎，需要明確評價的目的及對象，確定獲取數據的途徑、范圍、取樣及采集時間等，并擬定評價計劃安排，準備必要的評價工具；
（2） 構建評價指標體系。這一步是評價標準的具體化，具有可測量性，通過對收集到的信息進行篩選、分類、建構，并使用相關方法進行權重測定；
（3） 評價信息的收集。一般通過調查問卷的生成、和提交來實現數據集成，在學習過程滿意度評價中，還需要通過軟件技術獲得學習者行為方式、學習風格的記錄等等；
（4） 評價數據的處理、分析；
（5） 得出評價結論及報告；
（6） 建立評價記錄檔案和數據庫。
本文著重研究學習過程滿意度評價模型指標體系的構建及評價數據的來源有效性問題。隨著計算機技術和現代評價方法的不斷發展，為我們實現大量數據的記錄、統計分析和評價提供了有力工具。利用計算機網絡的快捷和普及，通過網絡調查問卷、信息即時提交等手段使我們得以在較短時期內收集到大量的學習者信息和統計數據；而科學評價方法的使用，則能夠對收集到的信息進行數據整理和統計分析，選擇出大量數據存在的分布狀態、數據特征、變化規律及其相互關系等，而諸如SPSS、MATLAB、LINDO等統計分析工具軟件的存在，使得這種數據處理過程變得簡便易行。
四 學習過程數據記錄方法簡介
學習過程記錄的數據來源有兩個方面，一個是學習測評系統，如作業系統、考核系統，另一個是學習平臺跟蹤系統。對學習過程滿意度的評價不只是關注評價結果的準確、公正，而是更強調評價結果的反饋以及被評價者對評價結果的認同以及由此帶來原有狀態的改進。本文著重關注學習平臺跟蹤系統，即通過設計具有人工智能技術支持的交互程序對學生在學習平臺上的學習過程進行全程的跟蹤記錄。例如在制作某個網絡課件時，可以通過程序設計，記錄下學習者訪問數據庫中記錄（知識點）順序和時間點，由一定的規則可分析得出該學習者此次學習的進展，則記錄下此項學習過程記錄和記錄時間。通過跟蹤分析此類記錄可以判斷出，該知識點的難易度、學習者學習持續狀態、完成學科知識的進度等[4]，這一過程需要通過Web數據挖掘技術來解決。運用Web數據挖掘技術自動從網絡課件的Web頁面和服務中發現和提取信息將成為學習過程數據記錄的一個重要技術手段[5]。在針對學習過程滿意度評價所需要的數據挖掘過程中，分別采用了聚類分析、關聯規則、決策樹、模糊集合等算法，具體使用方法如下：
（1） 利用聚類分析從Web訪問信息數據中聚類出具有相似行為的學習者；
（2） 關聯規則描述數據庫中數據項之間存在潛在關系的規則，可以發現學習者在某些知識興趣點之間的相關性，使得網絡課件開發更具有針對性；
（3） 決策樹主要應用于分類分析，通過分類算法實現對學生知識水平的客觀分類；
（4） 根據模糊集合理論，對實際問題進行模糊判斷、模糊決策、模糊模式識別、模糊聚簇分析。
五 總結與討論
遠程教育學習過程滿意度評價體系是一個很復雜的學習支持與管理系統，其目的在于針對學習者不同個體的學習過程進行滿意度評價，同時對學習過程滿意度的評價不只是關注評價結果的高低與否，而是更強調被評價者對評價結果的認同以及由此帶來原有狀態的改進，以此為學習者提供個性化的網絡教學服務。這一過程涉及到網絡技術、人工智能技術、教育學、心理學等多個學科，需要做的研究工作還有很多。由于時間、知識水平及其它軟硬件條件的限制，對該評價體系的研究還存在諸多問題，要在實踐工作中加以應用和解決。尚需探討的地方包括以下方面：
1 學習過程滿意度評價指標體系的構建需要完善。本文對學習過程滿意度歸納的5大類指標還需要在實踐應用中進一步擴充、完善和細化，需要從不同角度引入一些新的相關因素來刻畫學習者的學習過程，使系統對不同學習者的個性化學習特征評價有更為全面和準確的掌握。
2 各種評價方法及技術的綜合應用尚待加強。遠程教育是一種新興的教育模式，各種科學評價方法及技術應在正確的教育理論知識指導下在實踐中不斷嘗試和創新。
3 數據挖掘技術的進一步應用。數據挖掘技術不僅能提供可靠的學習者學習過程行為記錄分析，在之后的學習結果評價、自動化管理等方面的也能有充分的應用。這在以后的實踐中要深入研究，使之為實現提高遠程教育學習效率的目標更好的服務。
參考文獻
[1]任儆,張秀梅.對網絡遠程教育評價體系的探討[J].中國電化教育,2002,(8).
[2]王昭君.影響網絡學習成效關鍵因素探究[D].上海:華東師范大學,2007.
[3]趙濤.管理學常用方法[M].天津:天津大學出版社,2006,360-373.
關鍵詞：網絡教學 輔助教學 互動學習
一、網絡教學的優勢
隨著網絡技術與多媒體技術日益結合，網絡教學應運而生。網絡教學具有時空自由，網絡技術日益滲透到教與學雙邊活動過程的各個環節，使教育步入了信息化時代。傳統的“黑板加粉筆”的教學手段已無法適應當前大信息量的教學，資源共享、系統開放和便于協作的特點，使網絡教學打破了時間和地域的界限，不僅使講授更為生動，而且使雙向教育成為可能。它可以彌補傳統面授教學的一些弊端，促進學生自主學習，為教師和學生提供更加廣闊自由的教學、科研和學習的空間和豐富的多媒體教學資源，同時也創設了學生與教師、教師與教師、學生與學生、課程與課程、學校和學校之間動態交流的環境，使學校更快地與世界接軌。網絡教學已經成為當今國際和國內教育發展的新熱點，也是實現教育信息化和現代化的有效途徑。
二、網絡教學在昌吉職業技術學院的應用
昌吉職業技術學院現在正處于新疆維爾自治區示范院校的建設階段，在師資、教育教學資源、教學環境及教學理念等方面與內地高職院校都存在著一定差距；隨著學校擴招，教學面積與學生人數增加，由于交通不便和師生比等矛盾，制約了現有教學資源的有效利用；教育部明確規定要做好高職院校教育的質量工程，進行精品課程建設，精品課程教學資源、教學活動、教學管理應實現網絡化。基于以上問題，搭建一個適合昌吉職業技術學院自身教學特點、滿足以上需求的網絡教學系統已迫在眉睫。
筆者以“昌吉職業技術學院電氣自動化技術精品課程”自治區課題為背景，針對昌吉職業技術學院的實際需要，構建一個滿足昌吉職業技術學院教學的網絡教學系統。對其應用主要有以下幾個方面。
1.拓展教學資源，實現資源共享
豐富的網絡教學資源對開展網絡教學的意義是毋庸置疑的，而系統能夠集中教學資源，并優化其結構，達到資源共享的目的。目前，學院許多專業實驗室及實驗設備還不完善，軟、硬件資源還不能滿足教學的實際需求。今后，系統還可以用來解決學院語音實驗室、多媒體教室不足的問題，將網絡互動系統作為總體信息環境的積極補充部分，充分發揮系統輔助教學的作用。待條件成熟后，可建設學院的網絡教學資源庫這一系統工程。
2.拓展教學空間，推廣網絡教學
在學院范圍內，教師可利用系統為學生設計各種形式的學習活動，例如調查研究、專題討論、課后輔導與答疑、研究性學習、CSCL（計算機支持的協作）學習等。待條件成熟后，也可以通過系統開展以網絡教學為主的教學活動，實現對異地、不同校區學生的培養，還可以面向成人教育。
網絡教學系統作為教學的輔助工具，可以為學生提供一個虛擬活動學習空間，使學生能按照自身需要和興趣進行自主學習和協作學習。
3.完善教學過程評價體系
目前，對學生學習效果的評價主要以學期末的考試為主，教學過程中的評價相對較弱，本系統能夠對學生所參與的各項學習活動進行記錄，如學生參與討論、瀏覽資源、在線閱讀、在線學習、提交作業等，教師可以給這些評價項目設置權重，最終能夠得出學生利用系統學習的得分，這樣不僅完善了平時成績的評定，更重要的是注重對學習主體自身發展過程中的客觀評價。
而對于學院的合格/優秀課程建設中的教研活動、課外活動、學生作業等指標項，是不受時空限制、靈活的記錄與保存方式，也是對即將到來的本科教學水平評估中過程性材料的極佳體現方式之一。
4.為課程建設提供服務
為搞好精品課程建設工作，教育部下發了《關于啟動高等學校教學質量與教學改革工程精品課程建設工作的通知》和《國家精品課程建設工作實施辦法》，對國家精品課程建設中應加強的各項工作做了明確規定，也對精品課程網絡建設提出了明確要求和具體內容：精品課程教學資源、教學活動、教學管理應實現網絡化；精品課程申報、評審與維護應實現網絡化，其中教學資源包括教學大綱、電子教案、教學案例、課程簡介、教材建設、實驗內容等。
昌吉職業技術學院網絡教學系統為精品課程建設提供了技術上的支持，免去專門為精品課程建立網站所耗費的人力、物力和財力。所提供的支持有：網絡備課：教師可利用多媒體編輯器方式進行網上備課，可自行創建課程目錄，隨時隨地修改和更新、維護課程內容；網絡：及時精品課程相關動態信息，為教師提供相關材料與支持，能實施對課程的管理和版面管理；網上教學活動：支持討論、答疑、作業、測試等在線教學活動，支持各項統計功能；網絡教學管理：支持用戶分組管理、賬戶權限管理、課程安排、課程統計、用戶統計等教學管理活動，支持統一數據庫管理；教學評價：支持多層次、多角度的網上評價和評審。
三、網絡教學系統的功能
通過在全院范圍內進行問卷調查和訪談以及對國內高校知名網絡教學系統的調查分析，開發的昌吉職業技術學院網絡教學系統主要具備以下功能：
1.實現管理者和教師、學生等人員之間的信息交流、信息互換和信息共享
由于學院擴招和分校區教學，教學面積與學生人數急劇增加。為了加強管理，提高教學質量，學院要求任課教師每周進行一次晚自習輔導，班主任每周至少開一次班會，借助系統的網絡會議和論壇就可以在家里輕松地完成。只要事先做好約定，工作可以隨時開展。建立分課程進行專題討論的論壇，隨時可以查看歷史記錄和訪問人次。具有分課程的在線討論和互動交流的網絡答疑形式，記錄疑問和解答的討論信息和教師的答疑次數，教師可以對網絡答疑庫的信息加以匯總和分析，從中發現教學的問題，并及時調整教學方法和策略，改進教學效果，同時便于對教學進行管理。學習者也可以通過關鍵字匹配、問題勾連技術、全文檢索等技術快速得到問題的答案。有BBS公告板與即時聊天。界面設計清晰，有吸引力。
2.實現按學科門類進行網絡資源庫的建設
根據教師和學生的需求，資源庫中的信息可以包括課程建設的各種資源，如教案、講稿、課程介紹、習題及詳細解答、疑難問題解答、試題庫資源、實驗指導講義、實驗演示視頻教程、教學計劃、教學大綱、考試大綱、進度計劃、各種不同版本的多媒體課件、課外復習資料、考研指導資料等，也包括案例資源、課題項目資源、講座資源、論文資源、優秀的學生課程設計或作品、畢業論文或畢業設計、電子圖書資源、視頻教程、其他高校的優秀的課程網站資源等。能夠方便合理地導航與鏈接，使教師和學生能方便地通過校園網快捷地檢索到自己需要的信息并下載；在一定的管理權限內，教師和學生可以自行上傳和修改屬于自己的資源；要有開放的資源上傳、審核、驗證、入庫和下載標準，做到高質量的資源庫共建和共享，使資源的建設和使用更符合教師和學生的思維習慣和使用習慣。
3.對學習者學習過程進行數據挖掘，形成決策支持信息
目前絕大多數的學習系統，已基本具有了跟蹤學生學習過程的功能，如美國Lotus公司的Learning Space可以跟蹤學員在某一時間訪問過哪些文件，訪問了多少次以及停留的時間等功能，但是缺乏對這些信息進行分析、處理以及形成決策支持信息的功能。通過管理系統可以對這些過程信息進行搜集、處理，最終形成決策支持信息，為決策者提供決策的參考數據，如通過系統分析可以得知學生是喜歡看視頻、還是文字性的課程；是喜歡線性學習法還是跳躍性學習法，據此調整網絡課程的開發側重點以及導學目標、方法等。
4.代替教務人員繁雜的工作
系統可以代替教務人員進行教學計劃、開課選課、實施計劃、考試安排等的制定。
5.承擔起和其他系統的通訊工作
例表中的“導入/導出接口”和工具窗口，可以將學生學習的過程信息、報名數據等導入到系統中，或者將系統中的一些基本信息或者決策信息導出為其他的文件格式，如文本格式、Excel格式或者DBF格式等。
基于以上功能，設計昌吉職業技術學院網絡教學系統主要有用戶角色管理、課程建設和管理、在線學習與管理、資源建設與管理、在線測試與管理和系統幫助功能模塊。
四、對網絡教學系統的進一步研究
該系統通過網絡進行輔助教學，提高教學質量，它不僅能夠搜集、加工、處理、組織網絡教學過程中產生的各類信息，還要能夠從這些信息中挖掘出更多的知識，以便為教學系統和決策者提供決策信息，加強管理系統的服務性。但還需對以下幾個問題做進一步的研究。
1.知識挖掘，策略形成
利用人工智能中的數據挖掘技術和推送技術，向不同學習傾向的學生呈現不同的學習策略、學習內容、學習界面、學習順序及學習方式（而不是傳統的CAI只有一套固定的管理知識教學的程序）；向決策者提供一些智能化的決策支持。
2.和其他教學管理系統的應用層整合，統一身份認證
這是一個比較復雜的問題，因為它涉及各個支撐系統的技術策略、是否允許二次開發、開發人員是否配合等問題。
3.資源檢索技術的持續改進
對于系統上各學科各類資源（包括教師上傳的多媒體資源及學生論壇帖子及討論）的高效檢索，對于師生獲取信息、整合信息來說都是一項非常有價值的技術。
4.資源庫的安全性有待進一步加強
加強系統安全，對師生的資源進行有效保護。
參考文獻：
[1]張軍征.校園網絡規劃與架設[M].北京：電子工業出版社，2009.
[2]劉成新.網絡教育應用[M].北京：電子工業出版社，2010.
關鍵詞:人工智能;研究型實驗教學;民族關系
人工智能是計算機科學的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科,對它的研究涉及控制論、信息論、系統論、語言學、神經生理學、數學、哲學等諸多的學科及領域,是一門綜合性的交叉學科[1]。
人工智能的研究、應用和發展,在一定程度上代表著信息技術的發展方向,同時信息技術的廣泛應用也對人工智能技術的發展提出了迫切的需求。今天,人工智能的不少研究領域如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿,有許多研究成果已經進入人們的生活、學習和工作中,并對人類的發展產生了重要影響[2]。
實踐教學環節在大學教育中是一個非常重要的教學環節,是提高人才素質與能力的重要途徑。人工智能課程除了具有較強的專業性之外,還具有突出的實踐性,為了能深入理解和掌握所學內容,必須把講授和實踐結合起來。本文結合該課程實驗教學,將研究型教學的理念引入到實驗教學,并對教學過程中的經驗和問題加以初步的總結。
1研究型教學模式背景
研究型教學是相對于以單向性知識傳授為主的傳統教學提出的,是指教師以課程內容和學生的學識積累為基礎,引導學生創造性地運用知識和能力,自主地發現問題、研究問題和解決問題,在研究中積累知識、培養能力和鍛煉思維的新型教學模式。研究性教學是對現有的大學課堂教學模式的突破。有利于開發大學生的創造潛能,提高學生適應社會需要的創造性和創新能力,充分展現現代大學培養人才、發展科學、服務社會的三大基本職能[3]。
19世紀初,德國著名教育家洪堡最早提出了教學與科研相統一的原則,為研究型教學模式的發展奠定了基礎。20世紀50、60年代,美國著名教育心理學家布魯納提出了著名的“發現教學模式”[4],成為后來探究性學習和研究型教學的先導。20世紀70年代,美國研究教學專家薩奇曼正式提出了研究訓練教學模式。他認為學生會本能地對周圍新奇事物發生興趣,并想方設法弄清這些新奇事物背后究竟發生了什么,這是一種進行科學研究的可貴的動力。
自此,研究型教學理念開始廣泛使用。現在,哈佛大學、牛津大學、劍橋大學等世界著名大學,都非常注重學生能力的培養,普遍采取了研究型教學模式。以美國高校為例,雖然美國高校83%的教師在課堂教學中主要采用講授法進行教學,但在整個教學過程中都滲透著研究型教學的方法,如積極引導學生參與教學過程,開設研究性課程,引導學生積極主動地參與科研活動等。我國自20世紀90年代初推出211工程建設以來,清華大學、北京大學、人民大學、復旦大學、浙江大學等一些重點大學都提出了建設世界一流的綜合性研究型大學的目標。這些高校在實現從單向知識傳授的傳統型教學向關注創新性教育的研究型教學轉變方面進行了許多有益的嘗試。
2研究型實驗教學
本科教學不僅要培養學生的應用能力,還要培養學生具備基本的科研素質。大學是培養未來一線創新人才的主要基地,必須從本科教學人手,深入探索研究型教學的手段和方法,才能滿足未來經濟增長和社會發展的需要,才能符合建設研究型大學的需要。特別是近幾年來我國對科研的投入不斷增加,研究生招生規模逐年增大,本科高年級學生打算繼續讀研的也不在少數。而人工智能是計算機相關學科非常活躍的研究課題,其涵蓋的分支非常廣泛,如模式識別、機器學習、數據挖掘、計算智能、統計學習理論等,都是目前國際和國內熱門的研究方向。
人工智能課程在計算機專業人才培養方案中占據著重要的位置。在專業理論方面,它承續了離散數學中的邏輯知識;在專業方法方面,是數據結構、算法分析與設計的繼續;在專業工具方面,是面向對象程序設計的生動實例。并且人工智能的每一部分內容都可以作為一個深入的研究課題,課堂上講解的內容不可能面面俱到,學生們也不可能對人工智能的每一領域都做很深入的學習。并且人工智能涉及很多的數理邏輯知識,有些顯得難以理解,并且往往讓學生感到比較枯燥,學生的學習興趣就漸漸淡薄,學生往往被動“聽講”,難以獲得預期的教學效果。
針對這一特點,在人工智能教學中,如何引導學生系統學習人工智能的知識、激發學生的研究興趣,樹立目標意識找準研究方向,為未來的科研工作打下基礎,研究型實驗教學就成為了人工智能課程教學的一個重要環節和必然選擇。
2.1實驗教學中加強學生的研究導向
在實驗教學中,如果照搬一些教材中的例子或習題教學,一方面學生們會缺乏興趣,另一方面學生對這個領域的知識缺乏全面的了解。應不斷提出一些學生們感興趣的開放性課題,比如基于支持向量機的人臉識別、基于膚色的人臉檢測,基于內容的圖像檢索等,培養學生們的學習興趣,讓學生們逐漸深入的學習某一領域的知識。比如BP神經網絡,在模式識別、經濟數據分析、生物信息學、數據挖掘等眾多領域都取得過成功應用,是一種具有強大的非線性學習能力的計算智能技術。然而BP神經網絡算法自身也存在著一些缺點,如會有局部最小解、解受初值影響較大、理論解釋不完善等,而支持向量機在這些方面具有顯著優點。我們可以設計一個人臉識別的實驗,用神經網絡和支持向量機分別實現,并作以比較。讓學生們在了解人工智能新技術的同時,也培養學生們如何分析問題、解決問題的科研能力。
2.2人工智能課程實驗
該課程是一門對實驗技術有較高要求的課程,對于基本原理和方法的實現,要求學生進行嚴格的計算機專業技能訓練和培養良好的科研工作作風。因此對課程中的技能及技術性內容,除單獨進行必要的基礎訓練外,還融入到綜合和研究型試驗中,通過多次反復實驗練習,達到牢固掌握人工智能原理和人工智能的問題求解技術的目的。
該課程的實踐環節主要是實踐項目,由具備較強工程實踐能力的任課教師和助教負責,學生可在全天候開放的專用機房完成。在實踐環節的設計上,我們嘗試把驗證性實驗和開發性實驗相結合,結合實驗教學進度,安排相應的開放實驗,開放性實驗以科學研究實驗為主。并在課程的教學過程中,不斷深化和擴展教學內容,結合人工智能學科的發展趨勢和本院老師的最新研究成果,對實驗內容進行更新。
課程主要設置三種層次的實驗:1)基本原理和算法編程,測試例設計及程序測試實驗;2)分析綜合實驗;3)研究型設計實驗。整個實驗包括課前討論、實驗操作、實驗報告、結果討論、總結提高等六個環節。對于綜合性和研究型實驗,把學生分成5個人一小組,每小組選做其中的一個。學生從指導老師處了解到實驗課題后,即著手查資料,研讀文獻,鉆研有關理論。在此基礎上,學生先提出實驗方案,經與老師討論后,即可開始實驗研究。
3實驗平臺的構建
民族關系問題對被訪對象,特別對少數民族被訪對象是非常敏感的問題,對民族關系的評價又存在個體層面、群體層面、不同階層人群之間的差異,因此,僅僅以傳統的文獻分析、問卷統計和現場觀察等民族學方法來進行調查,得到的數據會存在較多誤差。
因此結合本校的民族特色和民族學領域獨特的研究優勢,將信息認知技術引入民族關系研究,運用圖像、心電和腦電數據進行分析,將分析的結果和心理場景測試及民族學調查結果進行相互印證和參數修正,從而獲得盡可能客觀的數據,這些數據將有助于建立一個客觀、完備、科學的民族關系監測體系,并真實全面地評估民族關系,從而使決策機構及時做出正確的決策。基于多信息融合的民族關系監測預警系統總體框圖如圖1所示。
目前該平臺已經搭建,由北京市公共安全信息監測平臺建設、北京市公共安全信息監測平臺建設關鍵技術研究、基于多源信息融合的民族信任研究等多個重大項目支撐。在這個平臺的下面,涉及到人臉識別、表情識別,視頻監控、認識等領域,小波分析、神經網絡、支持向量機、模糊數學、信息融合等人工智能知識得到了具體的應用。學生可以根據自己的興趣愛好,自愿參加到該平臺下的某一項目,切實對自己所學知識有一個深刻的理解和掌握。
4結語
研究型實驗教學激發了學生的學習興趣,不但使學生更好地掌握了人工智能的基本概念、基本理論和基本技術,也切實提高了學生的實際動手能力和編程能力。研究型實驗教學在實踐過程中還有以下問題需要改進:
1) 研究型實驗教學的理念很難普及。很多教師對研究型教學模式的內涵未能準確把握,把研究型教學模式等同于學生實習或者寫論文。
2) 研究型實驗教學的輔導老師素養需要提高。研究型實驗教學作為體現創新教育要求的現代教學模式,需要的不是知識傳授型的教師,而是高素質的研究型教師。教師不僅是單一的教者,更應該成為一個學者,教師不僅要有研究型教學的教育觀念、快速接受新知識的能力和高超的教學技能,要能夠合理地規劃和設計實驗內容。
3) 需要建立一套合理的學生學業和教師績效的評價體系。
參考文獻:
[1] 王萬森. 人工智能原理及其應用[M]. 北京:電子工業出版社,2007.
[2] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2004.
[3] 李得偉,張超,李海鷹. 大學工科專業課程實施研究型教學的探討[J]. 高等教育研究,2009(9):74-75.
[4] 彭先桃.大學研究性教學的理念探析[J].教育導刊,2008(3):56-58.
Exploration and Practice of the Research Experiment on Artificial Intelligence
ZHANG Ting, YANG Guo-sheng
(College of Information Engineering, Minzu University of China, Beijing 100081, China)
關鍵詞:數據庫;案例教學;任務驅動;自主學習
中圖法分類號:G642 文獻標識碼:A文章編號:1009-3044(2009)22-0000-00
數據庫是數據管理的最新技術,是信息系統的核心和基礎。數據庫技術已遍及各行各業,在現代國民經濟中占有非常重要的地位。數據庫課程原先是計算機專業和信息管理專業普遍開設的一門重要課程,隨著時展和學科的交叉融合,一些非計算機、信息的專業也相繼開設數據庫課程,從而能夠結合本專業的特點,發揮學科交叉和綜合的優勢。
論文根據本人多年講授數據庫課程的教學經驗,對數據庫教學方法作一些探討。
1 教學內容的調整與改進
數據庫是一門實踐性很強的課程,其教學目標是為了培養能夠分析和解決實際問題的數據庫設計、開發、維護、管理等專業型技術人才,因此需要根據教學目標對教學的內容作一些調整和改進。
1.1 教學內容的調整
在數據庫教學中,可以先介紹一些數據庫系統的基本概念,包括數據庫系統、數據模型、數據庫系統結構、數據庫系統組成等,讓學生對數據庫系統有一個大體的認識;然后介紹數據庫系統的設計和數據控制,包括數據庫恢復技術、并發控制、安全性和完整性,從而使學生對數據庫系統的設計和開發有一個整體的、較完整的認識。接著從整體到局部,將數據庫系統整體進行分解,對每一部分,包括數據模型、數據操縱、完整性約束等進行詳細的講解。采用從整體到局部的教學方式,有助于學生理清思路、對數據庫有一個完整、全面的認識。
1.2 教學內容的改進
正如上文所述,數據庫是一門實踐性很強的課程,重視實踐開發。因此課本上一些理論性很強的章節,如關系代數、關系演算、關系數據理論等,可以不必過于重視數學公式和推導證明,克服抽象的、脫離實際的被動學習,而是用通俗易懂的語言解釋概念,用形象生動的實例來闡釋要點和難點,貫徹學以致用,理論終歸是為實踐服務的思想。
教學內容的改進還體現在,可以在教學中介紹一些最新的數據庫發展技術,包括分布式數據庫系統、并行數據庫系統、數據倉庫、數據挖掘與知識發現、云計算等,這樣一方面可以引起學生對數據庫課程的興趣,對數據庫的用途和重要性有更深入的了解;另一方面能夠使學生對數據庫最新的技術前沿有一定的了解,擴展學生的知識面,而不拘泥于教材中的基本概念和原理。
2 案例教學的應用
案例教學法作為一種新型的、行之有效的教學方法,能夠循序漸進地引導學生理解抽象復雜的原理和概念、掌握相關的知識、增進學生的學習興趣和動力、培養他們的創新精神和解決問題的能力。例如在介紹數據庫系統設計時,可以舉幾個與學生專業或生活密切相關的數據庫案例,讓學生討論應該如何構建這些數據庫,由哪些表、索引、視圖等構成,每個表又由哪些字段組成,從而可以在關系模型規范化和總體效率方面取得較好的折衷。再如,在開始講授數據庫這門課程前,可以先演示一個完整的小型數據庫系統,從而讓學生對數據庫系統的結構、組成、數據模型、數據操縱和完整性約束等抽象的概念有較形象的理解,并且因為和實際相結合,可以擺脫抽象、被動的學習,而調動學生的積極性和探索精神,培養學習的主動性,提高學生的實踐能力。
案例教學包括3個階段:
1)案例的選擇。案例的選擇應具有典型性、針對性和系統性,即應選擇與學生專業或生活密切相關的案例,從而有助于學生理解并加深印象;并且應根據教學內容和教學目標,對案例的安排作一個整體的規劃,從而使得案例自身具有完整性,前后案例具有一定的關聯性和連貫性。
2)課堂討論。教師給出一個案例后,由學生通過課堂分析討論,通過師生互動,給出一些解決問題的方案。
3)案例總結評價。教師對案例進行分析和方案設計,評價學生提出的實施方案的可行性,總結案例分析的思路和最優的解決方案。
案例教學能夠將理論和實踐相結合,有助于加深學生對書本抽象概念的理解和運用,提高學生的實踐能力。
3 任務驅動教學的應用
傳統的教學模式采用教師在課堂上講授、學生被動地接受和掌握教師講授的知識,從而導致學生學習興趣低,分析解決問題的能力、創新能力和實踐能力差。任務驅動教學法建立在建構主義學習理論基礎上,是一種教師指導,學生自主能動學習的新型教學方法。任務驅動教學能夠充分調動學生的主動性、積極性和創造性,使學生實現對所學知識的意義建構。任務驅動教學注重實踐,因此很適合實踐性強的數據庫課程。任務驅動教學是通過教師將教學內容任務化,如開發一個數據庫系統,以任務驅動學生主動學習、積極探索,綜合應用所學的知識,完成任務。
任務驅動教學包括4個階段:
1)任務提出。教師根據教學內容和教學目標提出明確的任務,如設計和開發一個數據庫系統,這包括開發一個數據庫和數據庫應用系統。這要經過需求分析、概念模型設計、邏輯結構設計、物理結構設計、數據庫實施、數據庫性能評價和維護等一系列過程,是一個符合數據庫課程教學目標的大任務。
2)任務分解。將一個大的任務分解成若干個子任務,再將子任務繼續分解,直至每個小任務均可操作為止。如將設計開發數據庫系統的任務可以分解為如下一系列子任務:①數據庫的界面設計;②通過數據庫界面可提供管理員和不同權限用戶的登陸,登陸后可供操作的數據和權限不同;③通過數據庫界面可對數據進行增、刪、改等操作;④數據庫由哪些表、視圖、索引組成,哪些字段定義為碼、哪些字段進行排序;⑤數據庫完整性約束的定義,并定義一些觸發器來維護完整性;⑥打印報表。通過上述任務分解,就將設計開發數據庫系統一個大任務分解成了若干個可執行的、功能明確的子任務。根據應用需求分解任務,隨著任務分解得越發深入細致、系統的邊界和結構就越發清晰、系統的功能也越發完善。
3)通過自主、協作學習完成任務。學生為了完成任務必須主動參與整個學習過程,通過自主學習和協作學習建構新知識的意義,完成任務。通過組成小組協作學習,可以幫助學生看到問題的不同側面,開拓思路,對知識產生新的理解。當遇到困難時,可由教師進行指導和幫助。
4)任務完成評價。教師對學生完成任務的情況,即開發的數據庫系統進行評價。可以通過學生展示自己開發的數據庫,鼓勵其他同學對其進行評價和提出建議,教師進行點評的方式,使學生不斷建構和完善自身的知識結構;也可以通過教師選擇幾個學生開發的功能完善、界面友好的數據庫系統進行展示,其他學生提出疑問和建議,最后由教師點評和提出建議的方式,促進學生學習的積極性、對知識結構的進一步完善和創新能力的培養。
任務驅動教學強調“受人以漁”,通過任務實現的過程,完成真正意義上的知識建構,促進創新精神的培養和創新能力的提高。
參考文獻:
[1] 蘭兵. “任務驅動”法在數據庫教學中的應用[J]. 廣西法學學報,2007,29:189-190.
[2] 苗語. 數據庫教學方法探討[J]. 教育戰線,2004:131.
關鍵詞 大數據 信息服務模式 高校圖書館
分類號 G252
DOI 10.16810/ki.1672-514x.2016.02.003
Research on the Development of University Library Information Service Model in the Era of Big Data
Wang Hao， Liu Bing， Zhang Linlin
Abstract In view of big data and information service mode， from the perspective of "four elements"， this paper expounds the evolution of the mode of information service under the environment of big data， discusses the ideas and Strategies of the construction of the new information service mode.
Keywords Big data. Information service mode. University library.
2012年美國奧巴馬政府宣布推出的“大數據研究和發展計劃”，對全球知識的創新和信息服務的形式產生了重要的影響。2013年被稱為“大數據元年”，IT 業界從新的視角將“大數據”視為重要的戰略資源，提出了發掘“大數據”資源、開發“大數據”技術、應用“大數據”技術引領時代轉型等的重大時代命題。面對“大數據”時代的新機遇與挑戰，圖書館界已經感受到了信息環境的轉變和信息服務工作的巨大壓力，應當如何適應環境、借勢而上、立足潮頭？本文以大數據和信息服務模式為視角，從信息服務模式的“四要素”入手，深入研究大數據給高校圖書館信息服務模式帶來的影響和發展方向，初步探討了如何構建基于大數據的新的信息服務模式。
1 大數據與信息服務模式的內涵
1.1 大數據的內涵
隨著計算機、網絡技術全面融入現代社會生活，信息的積累由量變引發了質變，最先經歷信息爆炸的學科――天文學和基因學，率先提出了“大數據”的概念[1]。事實上，“大數據”并不僅僅包含技術和數據，而是由于不斷增長的數據量和數據種類而逐漸衍生出來的一種現象，因此，目前“大數據”在業內并沒有統一的定義，但對大數據的描述和特性在學術界存在著這樣的共識：大數據是數據來源多種多樣的體量巨大的結構化、半結構化、非結構化的需要專業人士利用新的技術去實時感知、獲取、管理，獲取價值，以服務的龐大的數據集合。具有種類（Variety）多、速度（Velocity）快、容量（volume）大、價值（value）大的“4V”特征。舍恩伯格認為，大數據的核心價值是預測，是把數學算法運用到海量的數據上來預期事情發生的可能性。他在著作《大數據時代》中認為，大數據既是一種技術，更是一種思維，并重點討論了關于大數據的3個思維變化：（1）不是隨機樣本，而是全體數據。（2）不是精確性，而是混雜性，尤其是大數據的簡單算法比小數據的復雜算法有效。（3）不是因果關系，而是相互關系。大數據思維可以初步概括為規律性、無偏性、關聯性和開放性4個特征[2]。
1.2 信息服務模式的內涵
信息服務是以信息為內容的服務業務，它從社會現實出發，以充分發揮信息的社會作用、溝通用戶的信息聯系和有效組織用戶信息活動為目標，以“信息運動”各環節為內容的一種社會服務。其服務對象是對服務具有客觀需求的社會組織和社會成員。通過對信息服務定義的分析，我們可以得出，信息服務的構成要素有四個：服務主體（信息服務的提供者）、服務客體（信息服務的需求者）、服務方式（信息加工、組織、服務的方式）、服務內容（所需求的知識信息）。關于模式的定義，《漢典》中給出的解釋是：事物的標準樣式。百度百科中指出，模式就是解決某一類問題的方法論，每個模式都描述了一個在的環境中不斷出現的問題，然后描述了該問題的解決方案的核心，通過這種方式，可以無數次地使用那些已有的解決方案，無需再重復相同的工作，并且模式具有領域性。綜合分析前述關于信息服務、模式的定義，筆者認為，研究信息服務模式的關鍵就是要研究信息服務的組成要素，及抽象、總結、概括這些要素之間的相互關系。
2 大數據環境下高校圖書館信息服務模式的演變
2.1 大數據對信息服務模式要素的影響分析
2.1.1 提高服務主體的服務技能
大數據時代，高校圖書館員需要具有較高的信息服務技能，除了要具備圖書館專業知識外，還要具有敏銳的信息意識，一定的學科背景，較強的信息加工處理能力，以便為讀者提供更為準確的信息服務。目前高校圖書館界的信息服務，大多是根據信息服務人員的經驗進行主觀判斷，也就是定向性預測。而大數據時代，將催生信息數據預測分析師這類新的專業技術崗位，預測分析是通過建立數學模型，發現數據與實物之間的相互關系，準確客觀的預測事物的發展方向，以提供解決方案。總之，高校圖書館員的總體信息服務能力會隨著大數據時代的要求而不斷提高。
2.1.2 細化服務客體的信息需求
在信息急劇增長的今天，讀者的信息需求越來越具有個性化特征，大數據技術的應用，使得圖書館可以通過分析用戶的注冊信息、實時操作、過程數據、群組討論內容、信息利用行為等實時、動態非結構化的數據，更加精確地了解讀者個性化信息需求的動機和偏好，以實現對讀者信息需求的精準定位和預判。
2.1.3 擴寬服務方式
大數據環境下，信息數據已經成為社會的核心資產，數據傳遞、信息共享，已經成為信息服務的重要組成形式，由于大數據的動態配置和應用，圖書館的信息服務方式也呈現出多元化的合作方式。主要表現在：
（1）業務的外包與眾包。信息社會，信息資源正在向著虛擬化方向發展，資源獲取和利用更加傾向選擇合作與分享，以實現信息資源和服務的柔性配置，發揮規模效益。因此，信息服務的外包與眾包已經成為新的、重要的服務方式。外包和眾包的不同之處在于，前者是外派給確定的個體，而后者的任務和問題是外派給不確定的群體。但它們的好處都在于：企業或者機構可以充分利用網絡資源，借助外部的智慧，節約大量的研發成本與管理費用。例如，數據庫的管理與服務的外包、系統管理軟件的開發外包等；著名的網絡免費百科全書“維基百科（Wikipedia）”是德國國家圖書館運用眾包的理念招募志愿者，志愿者的主要任務是校對百科全書中的人物姓名和提供權威文件記錄，與全世界的志愿者的合作， 使得維基百科不僅僅是一部傳統意義上的百科全書，更重要的是使其成為記錄人類歷史的、革命性的團隊協作行動[3]。
（2）協同創新。“協同創新”是指創新資源和要素有效匯聚，通過突破創新主體間的壁壘，充分釋放彼此間“人才、資本、信息、技術”等創新要素活力而實現深度合作。協同創新的特點主要有兩點：一是創新生態系統中的各種要素是有機集合而不是簡單相加，其存在的方式目標功能都表現出統一的整體性；二是創新主體之間要發揮各自的能力，優勢整合，互補資源，實現各方的優勢互補，創新生態系統必須不斷動態變化[4]。當前，信息服務產業正處于互相滲透、互相融合、根據各自優勢重新組合、重新分工的階段。圖書館應認清社會化分工，聯合其他信息服務的提供者（包括圖書情報機構、信息提供與服務商、任何信息的機構及個人等）遵循協同創新的理念，為讀者提供智能化、范在化、一體化、云狀化、個性化為特征的信息服務。
2.1.4 創新服務內容
高校圖書館的傳統信息服務內容，一般可分為三大部分，一是書刊借閱、文獻傳遞、事務性咨詢等；二是通過檢索性、參考性文獻或者系統向讀者提供課題檢索、學科導航、用戶教育等在內的科技信息咨詢為主的服務；三是根據用戶需求，社會特點，提供參考性咨詢等專題情報服務。
大數據時代的到來，催生出了一些新的信息服務內容，如：（1）對信息知識的新編，即圖書館通過新的載體方式，與服務手段，使讀者去發現新的知識。例如：浙江大學醫學院圖書館通過人體的骨架，讓讀者點擊不同器官，來調閱與器官相關的書和文章。（2）數據信息的管理。數據密集型學科領域里面的科學研究，必須要對海量的數據進行信息分類、抽取要點和發現關系，來揭示隱性的知識結構，圖書館可以充分利用大數據技術，幫助科研人員進行相關數據、信息和知識的關聯、回溯、保存等，以減輕科技人員的負擔，使之能夠集中精力進行科學研究。（3）對事件進行預測，人工智能、數據挖掘、分析等大數據技術使得信息能夠快速的轉變為知識，來指導決策和行動。
筆者認為，根據對信息虛擬化程度、挖掘程度、知識創新程度的不同，由低到高，可以把高校圖書館當前的信息服務分為四個層次，依次為第一層（基本層）即對用戶最基本的信息需求的滿足；第二層（延伸層）即圖書館形成自身服務特色的關鍵業務工作；第三層（期望層）即用戶選擇服務后，期望能夠得到的服務；第四層（潛在層）即圖書館需要進一步實現的知識信息服務（如圖1所示）。
2.2 大數據時代高校圖書館信息服務模式發展方向
由前述大數據對信息服務模式“四要素”的影響看，我們不難發現，大數據時代的信息服務模式具有以下特點：信息服務功能強大，服務方式多樣，服務內容豐富，強調資源共享，協同創新，強調對讀者個性需求的滿足等。根據這些特點，其發展導向主要有以下幾個方面。
2.2.1 個性化服務
大數據時代，圖書館有更多的方式和機會去了解讀者和讀者的信息需求。要想為讀者提供理想的個性化服務，必須掌握兩點：一是通過對新型資源（博客、社交網站等動態、非結構化數據）、休眠數據（系統內未被使用和發現的數據）、高價值數據的分析與挖掘，充分了解讀者的個性，為讀者提供他們想要的信息和服務；二是合理地掌控和設計服務的個性，把數據表現相同的讀者分為一類，個性化分散的單位可大可小，大到一個有同樣需求的讀者群體，小到每一個讀者。但過于分散的個性化服務，會增加圖書館的服務成本和管理的復雜程度，所以要合理掌控和設計個性化服務。
2.2.2 集成服務
互聯網、大數據技術的發展，使得信息服務與資源建設加快了向開放、互助、資源共享的方向發展，開展集成服務有利于圖書館圍繞用戶的信息需求，借助于網絡信息技術以及信息服務聯盟，在各圖書館與文獻保障系統之間對文獻信息資源進行統籌規劃，使可獲取利用的信息資源能夠最大程度的涵蓋學校的各個學科專業，并可以重點保障學校重點學科、博士點學科的信息資源需求，以實現館藏信息資源的“投入―產出”比率最優。
2.2.3 知識服務
大數據知識服務是一種基于網絡（包括電信網、廣播電視網、互聯網、移動互聯網等）的智能化、泛在化發展趨勢而衍生的，用以解決結構化、半結構化及非結構化數據多維度處理的現代信息服務新模式，是嵌入式協作化知識服務模式的一種新發展[5]。大數據知識服務模式強調讀者的參與、強調知識、能力、資源和過程以服務的形式進行有機融合，并基于網絡自由流通，以實現大數據知識服務體系中的知識動態協調構建、能力智慧管理、資源按需使用、過程智能控制，滿足讀者急劇擴張的知識服務需求。
2.2.4 智能化服務
百度百科對智慧的定義是：智慧是指對事物能迅速、靈活、正確的理解和處理的能力。圖書館智慧化服務是指利用大數據相關技術，進行快速的、自動的對復雜動態數據的收集與處理，分析判斷用戶的信息需求趨勢，了解需求動態，研究需求規律，將用戶潛在的信息需求轉化為現實的信息需求，將隱性的知識顯化，使信息的價值得以實現。并從管理與運營系統全局層面，保證管理決策、資源分配、硬件與軟件建設、技術選擇的科學性，確保信息服務的高效、靈活。
3 基于“四要素”的大數據信息服務模式構建思路與對策
3.1 思路
思想是行動的指南，正確的理念是高校圖書館提供優質信息服務的保障。圖書館要針對大數據對信息服務模式要素的影響，遵循信息服務的新特點和發展方向，全面審視、更新辦館思路和觀念，用大數據的思維去重新定位信息服務工作。要在遵循“以信息安全為前提、以滿足讀者需求為目標、以實踐探索為途徑、以人才培養為保障”的思路下，對管理體制、組織結構、工作流程和激勵機制等方面進行全面改進，使之有助于在關鍵技術、平臺開發、標準規范等方面實現應用創新，建立信息服務的新模式，即館員的工作要變“被動”為“主動”、對讀者的服務要變“整體”為“分散”、服務方式要變“自足”為“共享”、服務內容要變“靜態”為“動態”。
3.2 對策
3.2.1 多途徑提高館員的信息服務水平
高校圖書館員業務素質在很大程度上決定著信息服務的水平和質量。目前與大數據密切相關的信息鏈接技術、智能推送技術、數據倉儲技術、數據挖掘技術、數據分析技術等正在快速發展，信息服務體現出的交互、智能、個性化等特點，都對館員的知識結構和綜合素質提出了更高的要求。圖書館員要能將大量原始、初級、雜亂無章的“數據”，轉化為清晰地表達出一定含義的“信息”，繼而根據讀者的信息需要提取出有價值的“情報”并應用于實踐[6]。所以，圖書館必須加強館員的培訓力度，擴展培訓途徑，通過學習、探討、考核、外引、內培等多種方式，讓館員普遍接受以數據應用為核心的工作方式。建立一支業務素質過硬、創新能力強的高素質信息服務隊伍。并要在服務的過程中，加強與讀者的互動交流、重視反饋信息，深入開展對讀者心理、行為、習慣、干擾因素等問題的研究，進行換位思考，站在讀者的立場去認識、感受、體驗、評價所開展的信息服務。
3.2.2 通過素質教育培養讀者的信息素質
信息素質教育包括信息意識、信息能力和信息道德三個方面，信息素質教育有助于提高讀者的信息意識，喚起讀者尚未表達出來以及未意識到的潛在信息需求和潛在讀者應該利用而實際上未利用的信息服務；其次，有助于促進讀者與圖書館之間的互動，密切聯系，使讀者對圖書館的服務有更深層次的認識，從而及時得到相應的服務；最后，信息素質教育將大大提高讀者的信息處理能力，優化知識結構和提高決策能力，并能夠使讀者增強信息安全意識、遵循信息使用的倫理道德。
3.2.3 建立以大數據為核心的信息服務方式
大數據的4V特征，決定了要開展以大數據為核心的信息服務，必須打造先進的基礎設施，構建良好的數據處理和知識共享環境，開發關鍵業務和規范服務流程。主要措施包括：（1）建立高效的分布式信息網絡，數據存儲、數據管理平臺，提供硬件基礎設施保障。（2）根據應用實際，開發科學的數據分析挖掘軟件系統，提高數據的收集、挖掘、分析、決策的能力。（3）將“大數據”看作關鍵資源，開展新的服務形式。（4）從“大數據”的價值出發，去尋找新的合作伙伴，強化信息集成服務，開辟數據交流與共享的渠道。（5）利用“大數據”進行服務流程優化，縮短服務響應時間，提高服務效率。
3.2.4 利用大數據創新信息服務內容
圖書館要利用大數據之間的相關關系，核心價值（預測），調整思維、關注新的重點服務領域，不斷深入與創新信息服務的內容，主要有：（1）加強讀者研究，對交互數據進行分析，通過建立數學模型，開展精準服務、知識關聯服務，提供預測性信息服務產品。（2）重視對新型資源的收集，通過對讀者行為習慣的數據挖掘、分析，判斷預測可能發生的信息行為與需求。（3）利用大數據的時效性，監控大數據動向、動態定位、收集、分析處理高質量信息，為客戶提供問題解決的方案。（4）關注和融入社交網站，擴大圖書館的受眾面，實時了解讀者的需求，圍繞讀者喜好，收集整理信息資源，并提供專項服務，提升圖書館在讀者個人文化生活中的作用和影響。
參考文獻：
[ 1 ] 維克多?邁爾?舍恩伯格，肯尼斯?庫克耶.大數據時代：生活、工作與思維的大變革[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013.
[ 2 ] 和婷.大數據思維對圖書館信息服務工作的啟示[J].圖書館建設，2014（1）：64-68.
[ 3 ] ANDERSO M. Four crowd-sour cing lessons from tie Guardian's （spectacular）expenses-scandal experiment[EB/OL].[2012-06-10].http：///2009/06/four-crow dsour cing-lessons-from-the-guardians-spectacularexpenses-scandal-ex perim ent/.
[ 4 ] 陳勁，陽銀娟.協同創新的理論基礎與內涵[J].科學學研究，2012（2）：161-164.
[ 5 ] 秦曉珠，李晨暉，麥范金.大數據知識服務的內涵、典型特征及概念模型[J].情報資料工作，2013（2）18-22.
[ 6 ] 鄧愛華.大數據時代來臨，你準備好了嗎？[J].科技潮，2012（9）：55-57.
王 浩 黑龍江八一農墾大學圖書館副研究館員。黑龍江大慶，163319。
劉 冰 黑龍江八一農墾大學圖書館館員。黑龍江大慶，163319。
