从认识论的两个“循环往复”把握党的思想路线

阐述思想路线所要解决的核心问题,就是怎么对待毛泽东所说的认识论的两个“循环往复”里的实践和认识、认识一般和认识个别的关系问题;正是通过认识的两个“循环往复”,党的思想路线才得以确立、丰富和发展。指出以胡锦涛同志为总书记的党中央提出大力弘扬求真务实精神,大兴求真务实之风,是实践认识论的两个“循环往复”理论的体现。     

学科知识图谱研究:由知识学习走向思维发展

技术的发展加速教育进入智慧学习时代,新时代对人的培养提出了新的要求,对于如何以知识为基础或载体发展、转化、升华成学科思维成为学界关注的焦点。文章通过文献分析,提出了以问题为线索的学科知识图谱,并从心理学和哲学视角找寻理论依据,完成对思维内涵及其形成过程的把握;从知识抽取技术、语义链接技术和可视化技术三方面论证学科知识图谱构建的技术可行性。基于此设计了以问题体系为核心,向下回溯知识体系,向上抽象能力体系的学科知识图谱结构模型,提出了基于学科知识图谱的思维发展机制,在揭示知识建构与思维发展关系的基础上,从问题解决触及思维本质,以期为人的培养从知识习得走向思维发展的教育实践提供指导。     

基于认知风格调查与应激测试反馈的课程互动环节设计——以矿业特色高校工程经济类课程为例

分析矿业特色高校涉矿类专业工程经济课程的教学模式和教学需要,利用问卷调查掌握该类高校学生的课堂表现,揭示学生课堂疲劳程度与教学体系的关系,针对该类课程教学和受众特点设计知识教授与反馈体系:在教学模块开始前引入认知风格调查手段进行心理测试,针对测试结果有针对性地设计课堂教学互动环节;同时,通过建立实验环境,利用应激测试方法,采用测试效果反馈去修改教学设计参数、改进课堂教学,从而形成动态调整的教学互动模式。     

网络信息挖掘方法的效果评价

网络信息挖掘是从丰富的网络信息源和用户使用网络的行为数据中抽取有用的模式和隐含信息。文章分析了网络信息挖掘结果评价的必要性,介绍了网络信息挖掘常用方法的效果评价的做法与相关指标,构建了网络信息挖掘效果评价的体系,并指出应该注意的一些问题。     

基于文本内容的科学前沿探测方法研究进展

[目的/意义] 本文从科学前沿概念出发,对当前已有的基于文本内容的科学前沿探测方法进行梳理总结,为科学前沿探测方法的发展提供基本参考和启发。[方法/过程] 对科学前沿相关概念、基于文本内容的科学前沿探测方法进行了系统的总结,分析了现有探测方法的优缺点。[结果/结论] 对科学前沿极其相近概念做出进一步辨析,总结目前方法存在的问题,并提出未来发展的建议。     

保险业客户态度忠诚度模式分析

针对保险业如何深层次挖掘忠诚客户的价值,从而提高客户价值的问题,通过分析客户态度取向的不同表现形式,提出反映保险业客户态度忠诚的子模式,运用五级评分法和数据挖掘技术,对已有客户进行忠诚度聚类分析,以发现公司内客户态度忠诚的所属类型,分析每一类客户的特征,从而更好的为保险业客户管理提供帮助。     

External knowledge sourcing in biotechnology through acquisition versus alliance: A KBV approach

Knowledge sourcing is important for firms, especially in fast-paced industries. However, few studies explore the effects of knowledge-based predictors on the comparative choice of employing acquisitions versus alliances for sourcing external knowledge. This study extends the limited existing research on this topic. It simultaneously examines the effects of knowledge domain attributes, seeker and source experience-based knowledge, and dyad knowledge similarity and digestibility on whether a firm chooses an acquisition or alliance when sourcing external knowledge. Data is comprised of 209 research-driven acquisitions and alliances of biotechnology firms based in North America. Our findings reveal that external knowledge sourcing through acquisition is more likely when the knowledge domain is more complex and valuable. Acquisition is also preferred when the seeker has greater acquisition experience and when the source has accumulated a moderate level of alliance experience. Alliance, in contrast, is the chosen mode for accessing external knowledge when the knowledge is high in specificity and when the seeker has prior alliance experience. In addition, increasing similarity and digestibility of the dyad's knowledge bases strengthen the relationship between knowledge value and the probability of acquisition versus alliance. These results extend understanding of how firms decide to augment their knowledge resources in a knowledge-intensive industry. They also demonstrate that a multilevel KBV approach emphasizing knowledge characteristics uncovers important predictors of strategy and structure in research-driven organizations.     

What drives the formation of ‘valuable’ university–industry linkages?: Insights from the wine industry

Most of the literature on university–industry (U–I) linkages assumes that these linkages are beneficial per se. We question this assumption, suggesting that not all such linkages are equally helpful. In this paper, we explore the factors driving the formation of ‘valuable U–I linkages’, conceived as those linkages between universities and firms that have a higher potential to diffuse knowledge to other firms in their regional economy. Our empirical strategy combines case-study methodology with econometric techniques using data from two wine clusters in Chile and in Italy. The firm's knowledge base is found to be a key driver of ‘valuable’ U–I linkages. We conclude that selectivity should be encouraged among policy makers endeavouring to promote U–I linkages.     

基于时间聚类的加权关联规则及其在企业中的应用

针对煤炭企业采用的基于关联规则的数据挖掘技术存在的不足,文章提出了一种基于时间聚类的加权关联规则挖掘算法,分析了关联规则的基本概念,简要介绍了传统Apriori算法原理,详细介绍了基于时间聚类的加权关联规则挖掘算法原理及实现．实际应用范例表明,与Apriori算法相比,基于时间聚类的加权关联规则挖掘算法具有较高的准确性．     

基于知识超网络的碎片化知识非线性融合模型研究

【目的/意义】大数据互联网时代,知识以碎片化形式分散在大数据环境中,加剧了大知识融合的难度,深刻 地影响了知识的组织和创新过程。如何针对大数据环境下碎片化知识的特征,构建出适于系统性的把握知识和解 决复杂问题的知识融合框架就成为大数据知识工程研究的热点问题。【方法/过程】系统性分析了碎片化知识的特 征,在此基础上构建了基于知识超网络的融合框架,探讨了知识融合的标准、知识融合的维度以及知识融合的机 制。【结果/结论】知识超网络模型是碎片化知识非线性融合的一种可行的研究框架,其面向问题的多维、多级、多层 的综合的知识融合模型为大数据环境下碎片化知识的融合提供了新的思路。