论胡中藻案及对江西的影响

胡中藻案是乾隆借文字狱的形式打击朋党的一宗大案。乾隆整治的对象实是分别以鄂尔泰、张廷玉为首的两大党派,而试图通过胡中藻案杀一儆百,以进一步加强君权统治。乾隆及查案大臣刻意误读胡中藻诗句含义,并且严查胡中藻的结党行为,掀起了一场政治运动,对江西的社会风气都产生了很大的影响。     

教育技术研究领域研究者派系分析与可视化研究

随着教育技术学术研究的不断发展,学术交流越来越频繁,合作研究也越来越多,研究者之间相继形成了规模不一的派系.本研究采用文献计量法以及社会网络分析方法,以合著学术论文为依据来发现目前存在于教育技术研究领域的研究者派系,并通过计算不同年段的各种指标,如合著指数、合著率、密度等来发现教育技术研究领域合作研究的变化,从一个侧面揭示教育技术研究领域的发展程度,最后借助社会网络分析软件UCINET将研究者派系及其变迁可视化.研究结果表明,教育技术研究领域科研合作关系越来越密切,但还 处于较低水平;科研合作类型主要为师生合作;随着研究团队的扩大,整体合作关系渐渐疏远,但开始形成小团体.     

欧洲安全与二战后德国问题的长期化

二战后，美苏主导的雅尔塔体系代替了凡尔赛体系，欧洲安全局势发生巨大变化。虽然美苏等国占领和分裂德国消除了长期以来德国对欧洲乃至世界的安全威胁，但是，争夺德国的矛盾使美苏等国走向了危险的军事集团对峙，而两大阵营的全面冷战又使得德国问题的解决更加困难。通过将两德分别拉入各自阵营，美苏完成了对欧洲势力范围的划分，新的力量均势的建立有利于欧洲安全局势的稳定，但成为欧洲安全平衡中心却使德国的分裂长期化。     

广播电视大学教师科研绩效评价及研究群体分析研究——基于CNKI期刊与引文数据库的分析

该文通过对中国知网(CNKI)中国引文数据库收录的全国广播电视大学教师在1999年至2008年发表论文的被引用情况进行统计分析,从一个侧面对广播电视大学系统教师这10年间的科研绩效进行评价,分析发现40位科研绩效较为突出的研究人员;采用文献计量法,通过计算合著指数、合著率等指标来发现合作研究的水平,并采用社会网络分析方法对教师队伍中的科研团队进行分析,以合著学术论文为依据来探索研究者凝聚子群,然后借助社会网络分析软件UCINET来对研究者凝聚子群进行可视化表示.通过上述两方面的调查与分析,可以从一个侧面反映开放教育实施10年来全国广播电视大学教师的科学研究现状.     

机构投资者网络团体如何影响企业ESG表现？

近年来,证券市场中的机构投资者扮演着越来越重要的角色,它们可能通过共同持股关系形成网络团体,采取一致行动。基于中国2010—2020年A股上市公司数据,构建了机构投资者网络团体,结合社会网络理论与代理理论,探究网络团体持股对企业ESG表现的影响。研究结果表明：网络团体持股可以有效提升企业ESG表现;网络团体持股能够缓解2类代理问题,通过提升信息透明度以及抑制大股东私利促进了企业ESG表现;在缓解了内生性问题,并进行了稳健性检验后,网络团体持股提升企业ESG表现的结论仍成立。进一步研究的结果表明,网络团体的特征会影响企业的ESG表现,即团体数量更多、规模越大、背景越丰富,持股越稳定,相对力量越强,企业ESG表现越好。研究结论既丰富了机构投资者网络团体的后果研究和企业ESG表现影响因素的研究,也为上市公司、机构投资者和政府提供了一定的实践启示。     

基于作者簇的科研合作网络模型

基于科研论文的作者合作关系簇的演化特性,建立了一个科研合作网络的簇涌现模型.通过分析网络模型的内部特性,发现该类网络是一个无尺度网络,而且网络的簇度分布和节点连接强度分布具有相同的幂指数.最后应用计算机仿真实验和作者合作网络实证分析,发现实验结论和实证结论与簇涌现模型的理论分析结论一致,对本文结论提供了强有力的支持.     

基于用户属性—关系相似度的好友推荐模型研究

[目的/意义]挖掘潜在好友关系并进行精准的好友推荐服务,已成为社交网络领域研究的热点,基于用户属性-关系相似度的好友推荐模型研究旨在增强用户忠诚度以及在线社区活跃度,提升社区的信息服务准确性和效率。[方法/过程]通过融合用户链接关系与属性特征,提出用户属性-关系相似评价体系;采用因子分析法,计算得出各项目权重以及综合得分;据此构建社交网络相似度矩阵,基于派系划分方法,对用户进行划分分区,最终实现好友推荐服务。[结果/结论]实验结果表明,运用派系划分的基于用户属性-关系推荐模型在推荐列表长度受限情况下的整体表现较优,有效提高推荐精准度。     

联盟网络中派系与知识流动的耦合对企业创新能力的影响

联盟网络会在不断演化中逐渐形成联系紧密的子网络,即派系。以派系为载体,企业间会相互学习,继而产生知识流动。本文结合派系和知识流动两大因素,从耦合角度出发,基于中国半导体行业的联盟数据,使用负二项回归模型,探索派系、知识流动及其耦合对联盟网络创新绩效的影响。研究发现:在不考虑联盟网络属性的情况下,派系内部关系数越多,企业创新能力越强;被引用、引用专利的次数越多,企业创新能力越强;派系作为调节变量,负向调节知识流动和企业创新能力。本研究有助于加强对联盟网络结构的了解,也为提高我国高新技术产业的企业创新能力提供借鉴。     

Anti-school attitudes,school culture and friendship networks

This article explores the relationship between educational outcomes and anti-school attitudes at different levels of social organization in schools. Data were collected in St. Petersburg, Russia (104 schools, 7300 students) and analyzed using multi-level regression models that included three levels: individual, clique of friends and school. A clique is defined as a tight group of friends in a school class; we used social network analysis software Kliquefinder for clique identification. We demonstrate that friends’ attitudes are strongly related to the educational outcomes of a student (net of person’s individual attitudes and socio-demographic characteristics). In contrast, school-level effects disappear in the multi-level model when individual characteristics are included. The results of the study clearly demonstrate that the socio-economic and curricular differentiation of schools does not always lead to the polarization of ‘school academic cultures’. A school social environment is sufficiently heterogeneous, and different value systems in small peer groups may coexist.     

团图为数的图中的闭团贯数

Given a graph G,a subgraph C is called a clique of G if C is a complete subgraph of G maximal under inclusion and |C|≥2. A clique-transversal set S of G is a set of vertices of G such that S meets all cliques of G. The clique-transversal number, denoted as TC (G), is the minimum cardinality of a clique-transversal set in G. The clique-graph of G, denoted as K (G), is the graph obtained by taking the cliques of G as vertices, and two vertices are adjacent if and only if the corresponding cliques in G have nonempty intersection. Let F be a class of graphs G such that F={G|K(G) is a tree}. In this paper the graphs in F having independent clique-transversal sets are shown and thus TC (G)/|G|≤1/2 for all G ∈ F.