大数据时代学习者权利的保障

大数据构成了当代教育的技术背景之一,必然对包括学习者权利在内的教育要素产生深刻影响,学习资源、学习过程、学习评价以及学习者的地位因此发生了深刻的变化。学习者从被动的受教育者,成为了知识的建构者,人力资源的再造者,教育管理的参与者,学习型社会的建设者。因此,有必要对大数据时代的学习者权利加以特殊关照,并讨论其权利保障的基础。     

信用数据权利配置基础理论与规范构造研究

《关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称“数据二十条”)提出了数据“三权分置”的构想。信用数据同样属于数据范畴,信用数据权利配置过程中存在相关概念、类型、权利主体、利益结构、权利属性等基础理论与规范构造的问题。信用数据是指与特定自然人、法人、非法人组织相关,可以用以识别、分析、判断其法定义务或约定义务履行状态的数据。依据“数据二十条”提出的标准,可以将信用数据分为个人信用数据、企业信用数据、公共信用数据。个人信用数据权利的权利主体是自然人,且在条文表述中不应以“完全民事行为能力”作为限制。个人信用数据权利的利益包含人格精神利益、人格财产利益、社会公共利益。人格精神利益归属于自然人,人格财产利益可采用“一般+特殊”的识别方式确定归属,社会公共利益则归属于国家。个人信用数据权利是兼私益性与公益性、宪法基本权利与私法性质的新型人格权。信用数据“三权”的权利主体是处理者,其中的企业、公共管理机构应作为关注重点。信用数据“三权”的利益包含财产利益与社会公共利益。财产利益归属于处理者,社会公共利益包含了社会管理利益、国家经济发展利益、国家安全利益、国民敏感信息与企业商业秘密安全...     

大数据时代未成年人数据及隐私保护的路径

未成年人互联网普及率越来越高,但其网络安全防护意识薄弱、自我保护能力不足,致使其数据及隐私屡屡遭受侵害.未成年人涉网被害呈现出极强的隐蔽性与极大的危害性,传统的行政及刑事保护措施无法灵敏应对网络数据时代的新变化.应从建立专门机构、夯实企业责任、强化教育引导等方面完善行政保护机制,应从实现提前介入、倡导主动侦查、细化隐私...     

被计算的童年：数据主义对儿童成长的影响

随着相关技术、设备、互联网的发展，全面而泛在的数据化成为现实，数据主义思潮盛行。这使得当代儿童正在经历着各种形式的数据监视。从胚胎时期开始直至整个童年，儿童生理、行为、认知、情感、学习、关系等方面的数据不断被采集和分析，这既让儿童养育与教育的科学化和个别化有了可能，又让儿童的隐私与主体性受到了前所未有的威胁和挑战。我们应基于儿童的数据权利对儿童使用的数字产品、服务、应用和平台进行全面规制，在培养家长及教育者的数据素养的同时，从学前教育阶段开始就重视儿童个人数据素养的培育，发挥儿童在数据时代的主体性，使儿童能够成为数据化和数据监视过程中的积极知情者、参与者和决定者。     

数据可携带权的适用逻辑与本土化改造

数据可携带权是由欧盟创设的新兴数据权利,《个人信息保护法》引入数据可携带权有助于完善我国个人数据保护体系和消除数据“锁定效应”,促进竞争。遗憾的是,我国现有数据可携带权的适用仍存在法权属性不明、权利结构不清晰、行权冲突以及责任机制不完善等问题,亟待厘清。数据可携带权的建构不能照搬欧盟模式,而应当基于我国数据主体的现实需求与数据产业发展现状,对数据可携带权进行本土化改造。基于此,首先应明确数据可携带权的“人格权+财产权”的复合属性;其次,在权利主体、义务主体、权利客体、义务内容等方面明确数据可携带权的权利结构;最后,要通过场景区分界定责任主体,并明确过错证明标准,以实现数据用户的权益保障。     

论个人信息保护融入大数据侦查

大数据时代刑事犯罪愈加隐蔽化、高科技化,为大数据侦查的规模应用奠定了社会需求的土壤。而刑事司法的高度强制性注定了个人信息保护在大数据侦查中被忽视的局面。纵观侦查程序,这一现象出现的主要原因在于现行大数据侦查措施缺乏明确法律规定。个人信息权利已成为大数据时代人权保护的新面向,需要在厘清大数据侦查基本概念的基础上,建立整套规制手段,理念上融入合作治理机制,强调对个人的赋权,制度层面细化大数据侦查措施,以实现犯罪控制与公民个人信息保护的协调与平衡。     

数据库管理系统的数据传递

在数据库管理系统的应用中，除了表／数据库文件的建立、使用、维护外，表／数据库文件与其他各类存储的数据文件之间的数据传递显得格外重要，特别是在应用程序的使用中，有特别重要的价值。在学习FoxPro数据库管理系统时，要注意掌握数据传递的主要分类及其命令的使用简介。     

Handling Missing Data in the Modeling of Intensive Longitudinal Data

Myriad approaches for handling missing data exist in the literature. However, few studies have investigated the tenability and utility of these approaches when used with intensive longitudinal data. In this study, we compare and illustrate two multiple imputation (MI) approaches for coping with missingness in fitting multivariate time-series models under different missing data mechanisms. They include a full MI approach, in which all dependent variables and covariates are imputed simultaneously, and a partial MI approach, in which missing covariates are imputed with MI, whereas missingness in the dependent variables is handled via full information maximum likelihood estimation. We found that under correctly specified models, partial MI produces the best overall estimation results. We discuss the strengths and limitations of the two MI approaches, and demonstrate their use with an empirical data set in which children’s influences on parental conflicts are modeled as covariates over the course of 15 days (Schermerhorn, Chow, & Cummings, 2010).     

工艺数据结构及数据模型分析

着重分析了工艺数据结构在逻辑、物理两方面的性质与应用情况；并通过对比，指出面向对象的数据模型是工艺数据模型的发展方向。     

基于数据仓库基础上的数据挖掘技术综述

数据仓库技术和数据挖掘技术紧跟Internet技术发展，具有广阔的应用前景。针对数据挖掘研究现存的问题，进行深入的研究是非常必要的。     

Professional Development in the Use of Data: From Data to Knowledge in Data Teams

Schools need support in the use of data. To provide this support, a data team intervention was developed. A prior study conducted in the Netherlands showed that several factors can enable or hinder the work of data teams. The current replication study focuses on the factors influencing data use in data teams and the perceived effects of the data teams’ work, but looking at data teams in Sweden. The results of this qualitative study show that the data teams’ work is influenced by the same factors as in the Netherlands: Data characteristics (e.g., relevance of the data), team characteristics (e.g., heterogeneity of the team), and school organizational characteristics (e.g., school leader support).     

数据挖掘技术在电子审计数据处理中的应用探讨

信息化的发展对电子审计技术方法和质量管理都提出了更高的要求.电子审计数据在逻辑结构、形式和来源等方面均有别于传统审计数据,使得其证明力(能够用于审计证据)受到影响.数据挖掘技术的不同分析方法,如分类规则、聚类规则和关联规则等挖掘算法在电子审计数据处理中都可以有广泛应用,能明显提高审计数据的安全性和质量.     

大数据背景下公共数据资源运用探析

我国数据资源主要集中于政府部门手中,这会诱发一系列问题,一方面,政府部门将数据资源束之高阁导致数据资源严重浪费,另一方面,公共数据资源开发力度不够以及公共数据开放中导致公民信息泄露问题都成为制约大数据发展的重要障碍.因此,建立健全大数据相关运用立法、加强数据运用监管、提高政府部门和社会公众的数据意识,形成数据文化,是推动大数据产业发展所必需.     

数据科学与大数据专业培养方案探讨

近年来,国家大力支持大数据产业的发展,业界对数据科学与大数据技术方面的人才的需求越来越迫切,教育界对数据科学与大数据专业人才的热情高涨。学校的培养如何更好地满足业界需求?专业培养方案的制订变得尤其重要,作者在广泛调研业界与教育界的基础上,针对我校的具体情况,探讨数据科学与大数据培养方案的建设。这对同类高校也有一定的参考意义。     

学习分析技术:挖掘大数据时代下教育数据的价值

当前,大数据时代已经来临,教育领域同样积累了海量数据。教育领域已经部署了众多的学习管理系统,在这些软件系统中存储着海量的学习者信息及学习过程数据。如何利用这些数据,使这些数据转变为信息、知识,并为教学决策、学习优化服务,已成为教育工作者以及学习者们所关注的内容。学习分析技术有助于发挥学习过程数据的价值,使数据成为审慎决策、过程优化的重要依据。该文介绍了国内外学习分析技术研究现状,归纳出学习分析技术的关键技术及分析模式,并以实例从不同用户视角包括管理者、辅导教师、学习者展示了学习分析技术在网络学习过程分析中的应用过程。     

利用构造数据集评定数据挖掘过程的方法

随着数据仓库的发展,数据挖掘的方法也越来越多,怎么评测数据挖掘的方法又是一个需要解决的问题,讨论评价数据挖掘方法性能的原因,分析实际数据的特征,得出结论,实际数据采集不能用来进行评测数据挖掘方法。因此,讨论用构造的数据集进行评测。在最后给出构造数据集的基于多维正态分布的生成器的方法。