网络安全类企业研发投入技术效率评价*

文章分析了研发在网络安全类企业中的地位,并基于数据包络分析的BCC模型和超效率模型对我国沪深两市上市的21家网络安全类企业的研发技术效率进行评价。结果表明,BCC模型下,综合技术效率达到DEA有效的网络安全企业占比不到一半,部分企业综合效率无效主要是规模无效造成的;超效率DEA模型可以对BCC模型下综合效率有效的企业进行比较和分析。此外文章还对网络安全类企业研发活动的投入产出进行改进分析,并针对网络安全类企业提高研发能力和实现最优规模提出相关政策建议。     

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。     

数据挖掘技术在高校信息化管理中的应用

介绍了数据挖掘技术在高校信息化管理中应用的必要性和过程,对就业指导、教务管理和图书馆管理等几个方面探讨了主要技术的应用。     

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。     

Starting the data conversation: informing data services at an academic health sciences library

Objective

The research obtained information to plan data-related products and services.

Methods

Biomedical researchers in an academic medical center were selected using purposive sampling and interviewed using open-ended questions based on a literature review. Interviews were conducted until saturation was achieved.

Results

Interview responses informed library planners about researchers’ key data issues.

Conclusions

This approach proved valuable for planning data management products and services and raising library visibility among clients in the research data realm.     

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.     

关于算术编码教学的几点注记

随着科学技术的发展,信息、通信类本科生学习信息论是十分必要的。算术编码是基于统计的、无损数据压缩效率最高的编码方法。针对算术编码教学中存在的问题,本文进一步探讨了算术编码的编码、译码过程,提出了编码过程中需要注意的问题,并将算术编码与哈夫曼编码做了比较。最后,用Matlab实现了算术编码的具体实例。