CDP技术在图书馆数据保护中的应用

介绍了持续数据保护技术（CDP）的含义、特点及应用模式,并以解放军医学图书馆为例,探讨了该技术在图书馆数据保护中的应用。通过运用持续数据保护技术,实现了高效的数据保护,提升了数据的安全性,为图书馆业务系统的稳定运行提供了保障。     

科学划分书库管理责任区

对流通书库的书库管理工作进行岗位分析,利用自动化系统对工作人员所需承担的工作量进行相关的数据统计和分析,建立可操作性强的数学模型,确定各书库合理的人员编制,进一步科学合理地划分工作人员的责任区。     

基于关联规则的数据挖掘技术在教学评价及学生成绩关系之间的应用研究

教学评价和学生成绩是衡量高校教师课堂教学质量的一项重要指标.数据挖掘是一个融合多学科交叉的新技术研究,目前在各行业均有广泛的应用.本文通过运用数据挖掘中关联规则Apriori算法,对高校教学评价体系中各项指标与学生成绩之间的关联进行了挖掘,得到了具有一定价值的知识和规则,从而更好地运用于教学研究.     

浅谈车辆安全监控系统中的TCP/IP协议

车辆安全监控系统中数据的快速、可靠传输是非常重要的。TCP/IP协议目前是计算机之间常用的组网形式,本文对TCP/IP协议作一简要的介绍。     

大数据时代高校图书馆学科服务模式研究

本文用过对大数据时代图书馆学科面对的机遇与挑战,分析了图书馆学科服务当下存在的问题,系统地对学科服务的转型以及新形势下学科服务模式进行了讨论和研究。     

基于效率视角的亚太地区知识竞争力研究

高效率的知识生产与转化是衡量区域知识竞争力的关键要素之一。沿用全球知识竞争力测度指标体系,将知识创新过程分为知识生产和转化两个子阶段,采用超效率数据包络分析方法从效率视角对亚太33个地区的知识竞争力进行测度分析。研究发现：(1)中国地区中两阶段都处于高效率区间的只有北京,上海和天津的知识生产高效率但知识转化低效率;(2)尽管大部分地区在知识生产阶段都取得了不错的效率,但知识转化效率偏低是亚太地区面临的普遍问题;(3)上海知识投入产出结构的均衡性优于其他中国大陆地区,北京投入产出偏离程度较大,两阶段投入均存在较大波动。     

学科领域期刊科研数据发表政策剖析——以美国化学学会期刊为例

【目的】剖析化学学科领域科学期刊的数据发表政策,了解期刊数据政策的现状。【方法】 以ACS期刊为例,以期刊投稿指南为数据源,梳理和比较分析ACS期刊对发表论文的数据内容、数据格式、数据共享的要求。【结果】ACS的47种期刊要求论文作者将数据作为支撑信息提交,对于包含序列数据、结构数据、电子显微镜数据、微阵列数据、转基因生物和突变体五类特定类型数据的论文要求将该数据存储到推荐的数据仓储中,涉及五类数据的期刊总共有20种。【结论】可作为化学领域科研人员在ACS上发表论文的参考依据,为国内学术期刊数据政策的实施提供借鉴。     

应用技术大学转型中数据结构课程教学探究

地方本科高校要向应用技术大学成功转型,课程和教学作为建设应用技术大学的核心和关键,首当其冲要做相应的改革。通过分析地方本科院校数据结构课程教学现状,探索适合于应用技术大学人才培养需要的课程教学模式,提出以应用能力培养为导向的数据结构课程教学方法,为课程授课教师在教学过程中提供帮助和借鉴。     

基于CDIO工程模式的数据结构教学研究与探索

数据结构课程在教学中存在理论性强,算法难理解的特点,文中提出将CDIO工程教育理念融入到数据结构的理论和实验教学中,以项目为载体,问题为驱动,提高学生的学习兴趣并锻炼学生的综合动手能力与创新能力,并为后续课程的学习奠定基础。     

Big and open linked data analytics ecosystem: Theoretical background and essential elements

Big and open linked data are often mentioned together because storing, processing, and publishing large amounts of these data play an increasingly important role in today's society. However, although this topic is described from the political, economic, and social points of view, a technical dimension, which is represented by big data analytics, is insufficient. The aim of this review article was to provide a theoretical background of big and open linked data analytics ecosystem and its essential elements. First, the key terms were introduced including related dimensions. Then, the key lifecycle phases were defined and involved stakeholders were identified. Finally, a conceptual framework was proposed. In contrast to previous research, the new ecosystem is formed by interactions of stakeholders in the following dimensions and their sub-dimensions: transparency, engagement, legal, technical, social, and economic. These relationships are characterized by the most important requisites and public policy choices affecting the data analytics ecosystem together with the key phases and activities of the data analytics lifecycle. The findings should contribute to relevant initiatives, strategies, and policies and their effective implementation.