机器可理解的数据故事语义描述及推理方法研究

[目的/意义]基于数据故事本体模型提出一种语义描述及推理方法,旨在生成机器可理解的数据故事语义脚本,完整的数据故事产品能够利用此脚本生成。[方法/过程]首先,基于OWL本体的建模和知识表示方法设计数据故事的XML格式和RDF(S)格式的描述脚本。然后,基于SWRL定义数据故事的语义描述规则,论述数据故事化的语义描述及推理流程与关键任务。最后,以UCI breast-cancer数据集为数据来源,将存储在MySQL数据库中的数据故事内容转换为XML数据故事描述脚本和RDF(S)数据故事语义描述脚本,并使用推理方法标记数据故事的要素及关系。[结果/结论 ]定义包含故事要素、故事要素关联以及故事实例的数据故事脚本,划分出数据故事语义描述与推理的流程以及形式化表示活动中的关键任务,并提出可操作的面向数据故事化的语义描述和推理方法。     

政府数字治理路径探索中的模糊集定性比较分析

[目的 /意义]政府数字治理在政府管理与社会治理中具有关键作用,选择更为全面的数据和案例进行实证研究,能为存在较大差异的不同省份地区提供更具有实践意义的经验总结与方向参考。[方法 /过程]基于信息熵理论对多种来源的政务数据治理相关数据进行处理,以US2C模型为基础,使用fsQCA方法对31个省份地区的政务数字治理能力、效果、效率等展开分析,并结合条件组态结果归纳得出我国政府数字治理实践的最佳路径。[结果 /结论 ]研究结果揭示,不同条件的省份地区实现高水平政府数字治理的三种典型方式,其中自身条件较差的省份地区主要通过重点关注内部资源分配问题,以提升服务建设水平;条件一般的省份地区则需重点关注用户反馈,以优化服务实施;条件优异的省份地区则通过利用自身优势拓宽政府数字治理开展方向,以实现政府数字治理效率上的突破。     

生命周期视域下的工业大数据价值发现研究

[目的 /意义]工业大数据是实现智能制造的触媒和源动力,是推动传统制造业数字化转型的重要抓手,深度发掘工业大数据的潜在价值,对实现产业数字化转型升级具有重要意义。[方法 /过程]基于数据生命周期视角,结合工业大数据特有的属性特征,构建三阶段的工业大数据生命周期模型,并依此提出生命周期视域下的工业大数据价值发现模型。[结果 /结论 ]厘清工业大数据生命周期各阶段呈现出的数据价值,即数据整合阶段的静态价值、数据分析阶段的动态价值以及数据应用阶段的决策价值,并阐释不同阶段数据价值发现过程的动力模式,即数据整合阶段的“场景+规范”数据采集模式与有序数据组织模式、数据分析阶段的智能化数据处理模式与自适应算法匹配模式、数据应用阶段的协同化数据使用模式与数据价值前反馈模式。     

政府数据开放中个人信息保护的比例原则限制——基于欧盟经验的比较研究

[目的/意义]我国《个人信息保护法》规定了国家机关为履行法定职责处理个人信息的比例原则限制,这亦是政府数据开放中个人信息权利保护的边界。研究比例原则如何适用于政府数据开放,有助于我国在促进数字经济发展的同时有效保护个人信息。[方法/过程]运用文本研究法和案例研究法,重点比较研究比例原则在欧盟政府数据开放中的适用。[结果/结论]我国可通过明确立法授权提升开放行为适当性,综合运用立法及技术手段降低开放行为限制性,对个人及政府信息分类确保开放行为均衡性和构建多元化政府数据开放监督救济机制等路径,确保政府数据开放中的个人信息保护符合比例原则的适当性、必要性、均衡性要求。     

拓展党媒全域大数据运用，推动数据要素平台建设

数字时代加速到来,开展新型媒体智库建设并发挥重要作用,是推动中国式现代化的时代命题。本文以人民网人民在线和人民数据的智库建设实践为例,探讨新型媒体智库如何拓展党媒数字领域的场景应用,如何全面打通数据“存管用”全链条,助力经济社会高质量发展。     

“爸爸陪我读!”——父亲亲子阅读的现状调查

在中国人的传统观念里,一个家庭中,父亲是做事业的,母亲是负责管理家务尤其是养育子女的。这种观念势必也影响到亲子阅读。那么,当前,爸爸在家庭亲子阅读中的参与程度究竟如何?爸爸陪孩子阅读有哪些特点和倾向性?孩子是否喜欢让爸爸陪自己阅读?针对     

浅谈课堂教学中的语言艺术

语言是教师的职业工具,教师每天都用这个工具与学生进行交流沟通,答疑解惑,所以掌握语言艺术、会说话、善于表达对教师来说至关重要。尤其是课堂教学时,教师有较高的说话技巧,就能更好地完成教学任务,使学生不仅获得知识和能力,而且在身心方面也得到发展。为此,我从以下几个方面来谈谈教师在课堂教学中应当如何把握语言艺术。     

让“沉默”的学生开口说话

学生说话能力的形成一般都要经过"愿说——敢说——爱说——会说"这四个发展阶段。培养"沉默"学生的说话能力,必须遵循这条规律,循序渐进。     

自动迭代聚类数据集训练的虚假信息识别方法

随着互联网虚假信息日益泛滥,自动识别虚假信息成为互联网信息治理的迫切需求。互联网上虚假信息伴随新事件不断产生,导致识别虚假信息的有监督统计机器学习模型需要不断更新迭代。每次迭代更新都需要构建新的训练集,以便新的虚假信息能在训练集中得以体现。为此,本研究提出一种动态迭代更新训练集构筑机器学习模型的虚假信息识别方法,设计基于核密度估计的迭代聚类方法对虚假信息数据集进行迭代聚类。在每一个自动得到的聚类中,按比例分别选取训练集样本和测试集样本构造分类器的训练样本集和测试样本集,使新产生事件的样本能够在训练集中得到体现。研究结果显示,基于核密度估计的迭代聚类方法划分数据集训练得到的虚假信息分类器,与随机划分数据集策略相比,能够显著提升虚假信息分类准确度。     

数字时代的计算舆论研究：主题、理论与方法的进展与前瞻——基于2000-2020年代表性传播学国际期刊的分析

大数据深刻影响了数字时代的舆论研究,其突出表现是计算舆论研究的兴起。本文选择2000-2020年12本代表性SSCI期刊,对200篇国际计算舆论研究文献进行内容分析,勾勒舆论研究领域的新变化。研究发现：计算舆论研究在2011年以来得到快速发展,在题材上以政治议题为中心,聚焦单一事件,侧重舆论内容和表达主体,聚焦“基于社交媒体的社会运动或集体行动舆论”等核心议题;理论概念集中于行动主义和社会运动,反思数字公共领域,重新检验框架、议程设置等经典概念,以及情绪、可供性等新兴概念;研究设计和方法上,动态舆论研究获得与静态研究同等的比重,但聚焦单一国家/社会、以及单一媒介平台的研究仍占多数,文本挖掘是最主要的数据采集与生成方式,不足三成的研究中同时包含小数据,经典统计、文本挖掘与网络分析是主要的数据分析方法。研究在此基础上提出理论化、跨事件/议题、跨国家/社会、跨时间、跨平台、跨模态、跨方法/数据的计算舆论研究未来发展路径。