光源对于太阳能电池基本特性测量实验影响的研究

本文研究了光源对于太阳能电池基本特性测量实验的影响。分别采用白炽灯和日光灯作为光源，测量了太阳能电池的伏安特性、开路电压、短路电流、最大输出功率、填充因子、光照特性等基本特性。     

新高考改革背景下的教育考试数据评价

教育考试数据蕴藏着的巨大价值和信息,对反馈命题质量、引导改进教学、监测教育教学质量有着重要的意义。在新高考改革背景下,创新教育考试数据评价的思路是,明确教育考试数据分析评价的目的与意义,针对考试的不同定位作出恰当的评价,确定数据分析技术、分析模式和服务对象。教育考试数据评价不仅可以服务于一线教学和考试命题,保障教育考试改革的顺利开展,同时也可以为教育决策提供支持。     

改革开放以来中国社会主要矛盾的演化

党的十九大前后分为两个时代,即中国特色社会主义初创时代与中国特色社会主义新时代。两个时代都同处于社会主义初级阶段,但前者的主要矛盾是人民日益增长的物质文化需要同落后的社会生产之间的矛盾,后者的主要矛盾则是人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾。从经济层面,依据系统的数据, 分析中国特色社会主义初创时代的社会主要矛盾向中国特色社会主义新时代的社会主要矛盾的转化,可以清晰地看到这一关系全局的历史性转化的强大物质和技术基础,也是未来解决中国特色社会主义新时代的社会主要矛盾、实现中华民族复兴的强大物质和技术起点。     

高校体育场馆对外开放突发事件的应急管理机制研究

运用文献资料、实地调查等研究方法,对我国高校体育场馆对外开放突发事件应急管理现状进行调查分析。发现目前我国高校体育场馆对外开放过程中,存在缺乏突发事件应急预案的研制、对安全风险评估不足、缺乏急救设施的配置、场馆现场管理人员缺乏应急管理的培训与演练、场馆现场管理人员数量不足的问题。在高校体育场馆突发事件应急管理发展现状基础上,依托应急管理理论与应急救援理论,架构由突发事件识别与评估模块、决策系统模块、应急救助体系模块、应急预案选择模块、应急救援的执行模块所组成的我国高校体育场馆对外开放突发事件应急管理机制。建议:完善场馆管理规章制度,形成场馆对外开放突发事件应急长效管理机制;加强员工的应急管理理论培训与技能学习;制定各类应急预案并进行演练;保持突发事件应急救援稳定的对外联系畅通。     

数据级别计量在机构知识库中的应用研究

[目的/意义]数据级别计量是在科学数据开放共享背景下,承认科研人员学术贡献度的一种有效途径。机构知识库作为收集各类学术成果平台,科学数据也是其重要的收录类型之一。借助完善与拓展机构知识库功能契机,避免重复建设。[方法/过程]分别从数据引用、数据使用和数据替代计量三个维度对科学数据使用情形进行分析。[结果/结论]西安交通大学机构知识库引入数据级别计量的实践在一定程度上能够体现出对学者贡献度的认可,提升学者自存缴意愿,从而推动科学数据共享。     

大数据环境下国内情报分析研究方法研究

[目的/意义]对大数据环境下国内情报分析研究方法、研究方法对应的研究主题进行归类,归纳其一般特性,对情报分析研究方法未来发展进行展望。[方法/过程]通过对情报分析领域文献中研究方法关键词进行词频统计分析,采用共词分析法、因子分析法、单因素方差分析、聚类分析、多维尺度分析等方法确定情报分析研究方法的分类类别数,归纳出每一类研究方法的特点,对每一类研究方法所对应的研究主题进行梳理。[结果/结论]发现大数据环境下国内情报分析研究方法可以分为7类。从两个不同角度对7类情报分析研究方法进行概括,认为面向全源数据的智能化的情报分析方法是未来的发展方向。与7类情报分析研究方法密切相关的主题分别为颠覆性技术创新、图书馆资源建设、语义计算、风险预测、技术的合作与竞争、系统评价、方法体系构建。     

情报学教育向何处去?

[目的/意义]研究情报学教育的现状与未来,提出情报学教育未来发展的战略定位、重点方向和重构情报学教育体系的建议。[方法/过程]采用历史分析的方法,基于对专业教育起源标准的分析,世界情报学教育发韧于中国的科技情报教育,区别于信息科学教育和图书情报学教育。[结果/结论]我国情报学教育在经历科技情报教育兴衰之后,受到了社会信息化、市场化和国际化的深刻影响,偏离了初衷和正确的方向。面向未来,从教育发展视角,情报学教育面临着更加复杂的环境以及军事/安全情报教育、数据科学教育的多重抉择。[局限]如何应对未来技术的挑战依然需要进一步加强探索。     

大数据企业技术创新的主要影响因素

针对近年我国大数据企业的技术效益不足问题,基于技术创新理论、大数据4V特点和文献研究,构建大数据企业技术创新影响因素的评价指标体系,依据专家访谈和层次分析法(AHP)找出我国大数据企业技术创新的主要影响因素;然后以主要影响因素的相关定量指标作为聚类指标进行聚类分析,再采用熵值法分析中低技术创新水平大数据企业的主要影响因素。研究结果显示:我国大数据企业的技术创新水平呈现"领先企业少而强,长尾企业多而弱"的非均衡格局,企业技术创新的主要影响因素有知识资源量、关系网络,而硕博学历员工数、研发投入等是中低型大数据企业技术创新的主要影响因素。     

An extension of the technology acceptance model in the big data analytics system implementation environment

Research on the adoption of systems for big data analytics has drawn enormous attention in Information Systems research. This study extends big data analytics adoption research by examining the effects of system characteristics on the attitude of managers towards the usage of big data analytics systems. A research model has been proposed in this study based on an extensive review of literature pertaining to the Technology Acceptance Model, with further validation by a survey of 150 big data analytics users. Results of this survey confirm that characteristics of the big data analytics system have significant direct and indirect effects on belief in the benefits of big data analytics systems and perceived usefulness, attitude and adoption. Moreover, there are mediation effects that exist among the system characteristics, benefits of big data analytics systems, perceived usefulness and the attitude towards using big data analytics system. This study expands the existing body of knowledge on the adoption of big data analytics systems, and benefits big data analytics providers and vendors while helping in the formulation of their business models.     

Multimodal data as a means to understand the learning experience

Most work in the design of learning technology uses click-streams as their primary data source for modelling & predicting learning behaviour. In this paper we set out to quantify what, if any, advantages do physiological sensing techniques provide for the design of learning technologies. We conducted a lab study with 251 game sessions and 17 users focusing on skill development (i.e., user's ability to master complex tasks). We collected click-stream data, as well as eye-tracking, electroencephalography (EEG), video, and wristband data during the experiment. Our analysis shows that traditional click-stream models achieve 39% error rate in predicting learning performance (and 18% when we perform feature selection), while for fused multimodal the error drops up to 6%. Our work highlights the limitations of standalone click-stream models, and quantifies the expected benefits of using a variety of multimodal data coming from physiological sensing. Our findings help shape the future of learning technology research by pointing out the substantial benefits of physiological sensing.