基于Hofstede文化维度理论的满洲里文创产品设计研究

运用Hofstede文化维度理论对本地区多元文化进行差异和认同分析,获取其价值特征、行为特征和产品取向的差异与共性,依据文化共性寻求最终的产品定性。文章围绕产品定性,运用模型筛选典型文化元素以及对应的设计要素,运用跨文化包容性设计方法展开具体的设计实践,构建了混合文化、跨文化设计的基本路径,探索了多元混合文化文创产品设计的可能,提升了满洲里地区文创产品的品质,丰富了文创产品的类型。

基于Hofstede数据的国家间文化亲疏程度测度与全球文化圈划分

文化对世界格局的塑造是无形却深远的。当前研究中鲜有基于地理空间视角、应用计量方法探索国家文化差异并刻画全球文化空间格局规律。为此,本研究构建了基于欧氏几何距离的文化亲疏程度测算方法,利用Hofstede国别文化属性数据测度了国家间文化亲疏程度分值;继而以此分值构建网络矩阵,分别应用社区探索算法和基于“子群内外关系”的凝聚子群分析方法识别出各国因文化亲疏差异而结成的若干文化集团,综合2种结果,命名全球文化圈类型并分析其空间格局。结果显示:(1)全球存在盎格鲁-撒克逊文化圈、北欧文化圈、大陆欧洲文化圈、拉丁文化圈、东正教文化圈、西非-加勒比文化圈、伊斯兰教文化圈、泛亚文化圈8个文化圈,其中盎格鲁-撒克逊文化圈、北欧文化圈、大陆欧洲文化圈、拉丁文化圈关联较为紧密,组成泛欧美大文化圈;(2)中国与其他国家文化亲疏度存在一定程度上的由近及远分布特征:周边亚洲国家与中国最为亲密,少数高加索、巴尔干半岛和撒哈拉以南非洲国家也与中国较为亲密;亲疏不明显的国家广泛分布在中间地带,包括西亚、北非、中东欧,以及撒哈拉以南非洲和南美洲少数国家;较为疏远的国家主要分布在北欧、西欧、北美、大洋洲地区,在撒哈拉以南非洲以及南美洲亦有分布,最为疏远的区域是北欧。

面向多模态数据的新型数据库技术专题前言

以数字技术为标志的新一轮科技革命方兴未艾,将人类带入数字经济时代.全球各行各业数据量呈现爆炸式增长,数据类型和数据格式也呈现多种形式,例如结构化关系表、半结构化JSON/XML、非结构化文本/图像/视频,以及图数据、流数据和时序数据等.这要求数据库系统能够同时高效地管理多种不同类型的数据.多模态数据管理与分析成为亟需解决的问题.目前的方法主要通过拓展现有的数据库或通过集成各种不同模态数据管理引擎来支持多模态数据管理与分析,缺少新颖的理论、方法与技术的支撑.本专题围绕多模态数据管理与分析的整个生命周期,通过结合大数据技术和人工智能方法探讨新型数据库系统理论、方法和技术,包括多模态数据统一建模、存储与索引、查询与挖掘、并发控制、多模态数据库系统构建及其典型应用等主题,赋予数据库系统新的管理能力,形成多模态数据管理与分析在各行各业的最新应用成果.

数字化铀矿勘查服务平台数据资源共享与安全策略

随着“数字核工业”建设的全面铺开,数据资源成为铀矿地质勘查业务中不可或缺的核心生产要素。核工业北京地质研究院基于开源软件架构,研发了基于统一架构、研产一体的“数字化铀矿勘查服务平台”,该平台是基于各类实用型软件功能和丰富的勘查数据资源开展数据共享与应用,在铀矿地质勘查工作中提高勘查效率和准确性的一种服务型软件系统。为了满足铀矿地质勘查不同类型的数据及服务需求,建立了一套较为健全的数据资源和服务体系,提供了一批基础地质、铀矿勘查物化探等相关数据资源,并严格划分数据权限和用户权限,实现根据数据所有权划分审批权限的功能。同时,在国家网络安全和信息安全的要求下,开展了数据安全策略研究,以保障平台安全稳定运行。面向四代勘查项目,面向铀矿地质勘查领域,初步构建了“快速存储、方便查询、灵活调用、共享发布、动态更新、分析应用”的数据资源管理、共享和应用服务平台。

新型电力系统数据跨域流通泛安全边界防护技术

新型电力系统建设涉及多业务系统、多部门、多方主体间进行海量、异构数据的交互和共享,电力数据的内外部网络环境与安全形势日趋复杂化,数据流通的脆弱性风险加剧。首先,分析新型电力系统下数据流的类型与特性,概括电力数据流通安全防护面临的新形势;其次,基于专用数据处理器(DPU)的高性能流量编排和多功能安全网关能力,构建面向电力数据跨域流通安全增强的泛安全边界,凭借数据面可编程技术沟通网络安全与数据安全双维度安全能力,提出基于DPU的数据跨域流通协同防护技术应用方案;最后,阐释DPU在不同电力通信网络层次的部署方式、价值与关键技术,分析现阶段DPU在电力领域应用存在的挑战。

教育场景驱动的高校数据治理

教育数字化转型的重要任务之一是通过数据治理提高教育治理能力,当前数据治理呈现出场景化和智能化的趋势,但是以管理和标准为核心的静态治理理念难以适应应用场景的数字化转型和创新。该文首先从数据治理的视角探讨了教育场景的概念和特征,然后分析了当前高校教育场景数据治理中存在的数据不够“大”、数据不够“好”、数据未尽其“用”三个核心问题,提出高校教育场景驱动的数据治理方法和治理流程,教育场景中的原始数据经过数据资产化、数据标准化、数据要素化三个关键环节演化为具有计算属性、组织属性和教育属性的场景数据资产,作为关键要素进入到教育教学过程中,从而形成良性循环的数据资产生态,充分发挥数据资产的教育价值。

政府数据开放到公共数据开放的嬗变

[目的/意义]分析政府数据开放到公共数据开放的嬗变有利于数据开放活动的健康发展,促进数据要素流通。[方法/过程]在梳理政府数据开放和公共数据开放两者关系基础上,从创新扩散理论出发分析嬗变的三维度表现及嬗变动力。[结果/结论]嬗变动力共有技术、组织和环境三个维度下的9个关键驱动因素,并提出了6个嬗变的趋势。

数据要素市场化配置的法治推进——兼论《数据二十条》相关条款设计

数据要素市场化配置的程度与水平决定了充分释放数据要素动能的程度,对加快数据产业链、价值链重构与转型升级意义重大。数据要素市场化配置的前提是明确数据产权归属,基础是构建统一开放的数据要素市场,发展是健全高效的定价机制,底线是保障数据要素安全发展。我国虽已明确了数据这一新型生产要素的重要地位,但相关法律尚未明确数据的产权归属,全国统一的数据要素市场尚未建立,数据要素定价机制尚未明确,数据要素市场交易与监管的边界也尚未清晰,所有这些阻碍了数据要素市场化配置的充分实现。故需立足数据要素市场的特征与现实,以数据产权结构性分置制度促进数据动态权属流动,构建统一开放的数据要素交易市场机制,同时厘清数据监管边界,保障数据要素市场安全发展,实现数据要素高水平、高质量、高效率的市场化配置。

企业数据权益论

企业对其生产和处理的数据享有的利益应受法律保护,然而现行的物权法、合同法、知识产权法和反不正当竞争法等民事法律制度都不足以实现对企业数据的全面保护,故应当确立企业对其数据享有一种独立的、新型的财产权,即企业数据权益。企业数据权益的确权应当采取单一路径,不应区分数据、数据资源和数据产品或数据的生产与流通而分别确权。企业对其数据享有的权益具有排他效力,但是该排他性受制于数据上其他参与方的权益,即个人信息权益及数据来源者权利。数据资源持有权、数据加工使用权和数据产品经营权并非是企业数据权益的内容,企业对其数据享有的权益的内容仍应从占有、使用、收益和处分等方面加以界定。

数据要素在医疗健康领域的内涵、价值与应用

十七部门联合发布的《“数据要素×”三年行动计划(2024—2026年)》引发了社会的广泛关注。本文首先探讨医疗健康领域数据要素的本质、分类及其重要性。在此基础上,提出促进医疗健康数据融合创新的关键策略,包括通过技术赋能医疗健康数据的采集,推动医疗健康数据的整合与标准化工作,促进医疗健康数据的开放和共享,以及加强对医疗健康数据的安全保护。

数据产权法律构造论

在数字经济环境中,数据已成为一种新型生产要素,需要更好地挖掘和开发其经济价值。数据不同于传统有体物以及知识产权客体的特征和属性使其在法律制度构建和运行上也具有特殊性。数据产权制度是数据基础制度的核心内容,其应涵盖保护数据主体合法权益、协调和平衡数据利益关系、促进数据有序流动和分享、促进数据要素利益公平分配等内容。数据产权的法律构造旨在建立数据资源持有权、数据加工使用权和数据产品经营权的数据动态流转和价值实现机制,最终服务于数字经济发展目标。

考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

信息资源管理学科视角下的数据要素研究

[目的/意义]数字经济背景下,信息资源管理学科需要进一步融入到数据要素化市场建设之中,积极建构新的学术增长点。[研究设计/方法]首先分析信息资源管理学科与数据要素的关联逻辑以及学科的角色建构问题,而后介绍信息资源管理学科视域下的若干核心议题,最后对两者融合的未来发展提出思考。[结论/发现]数据要素研究是信息资源管理学科的新领域和新方向,应充分发挥学科特色和优势,有组织地推进数据要素研究与实践。[创新/价值]从信息资源管理学科视域思考数据要素研究,为进一步扩大学科研究视野、拓展学科研究空间提供启示,为数据要素化与数字经济发展中的学科话语建构提供参考。

基于单篇高被引数据论文的多层级数据再利用主题差异分析

[目的/意义]在当今“数据密集型”时代,科学数据的重要性不断凸显,深入研究数据论文的利用价值有助于推动科学数据的开放和共享。[方法/过程]文章以单篇高被引论文为研究对象,根据对其不同的引证层级构建文献集合,通过对两个引证文献集合论文的关键词统计和聚类分析,对其主题团簇的差异性进行对比和分析,进而揭示数据论文的多层级数据再利用和特征演化情况。[结果/结论]研究发现,不同层级的数据再利用扩展出了不同细度的研究主题,体现了数据论文知识扩散的模式和规律。

科技情报智慧数据服务体系建设研究

[目的/意义]在数据驱动环境下,科技情报工作愈加重视基于数据的循证分析,建设智慧数据服务体系是科技情报工作向数据驱动赋能转型的重要动力。[方法/过程]界定了智慧数据服务的概念内涵与外延,从数据视角与服务视角两个维度出发阐述了智慧数据服务的特点,论述了科技情报智慧数据服务体系的建设目标;以此为基础,依据从数据到情报的服务逻辑与层级,提出了科技情报智慧数据服务体系的内容架构与建设模式。[结果/结论]从数据供给站、数据超市、数据应用产品、数据服务中台4个方面构建科技情报智慧数据服务体系,前两者侧重数据供给型服务,旨在满足用户的数据型需求,后两者侧重数据感知型服务,旨在满足用户的情报型需求;提出需求与建设并行、治理与协同并行、技术与内容并行、质控与运营并行的“四个并行”建设模式;并以中国科学院文献情报中心的智慧数据服务体系建设为案例,阐述了智慧数据服务体系的应用落地。

公共数据进入数据要素市场模式研究

公共数据是数据要素市场的重要组成部分,其如何进入数据要素市场以及其参与数据要素市场的模式分为几类,学界对此少有研究。通过梳理和比较,深入挖掘国内外公共数据参与数据要素市场的模式类型,归纳得出公共数据进入数据要素市场有两大类、五种模式,包括一级市场(授权运营)+二级市场(场内交易)模式,公共数据开发利用+场外交易模式,依托数据平台构建公共数据流通市场模式,借助数据经纪商、数据中介的交易模式,以及通过(公共)数据信托参与数据市场模式等。在此归纳基础上,演绎出公共数据进入数据要素市场的理想模式,这一理想模式分为数据获取、数据产品生产、数据产品交易三个各有其独特特征的环节,可为我国公共数据进入数据要素市场的策略选择提供参考。

信息化测震数据管理平台的设计与实现

依托公共安全信息化工程,测震台网数据管理平台在数据资源池环境下,采用分层架构和模块化开发,实现了实时流波形接入和存储、站网基础信息管理、常规数据产品产出、针对特定地震的产品产出、波形数据质量分析等测震台网核心业务的信息化。通过平台的接口和界面,事件波形处理与服务、数据质量分析、震源参数基础数据库建设等测震台网业务取得了长足进步。该平台具有业务集成性、功能实用性、资源共享性和技术先进性等特点,有效提升了测震台网信息化水平,为测震台网现代化发展发挥了积极作用。

基于数据驱动的分布式光伏发电功率预测方法研究进展

从综述的角度,以分布式光伏系统为对象,分析了功率预测技术的发展情况、存在的难点以及主要影响因素,梳理了应用数据驱动方法实现功率准确预测的技术路线。再以空间相关性、历史出力功率以及气象等影响因素为切入点,梳理了光伏系统数据驱动的功率预测研究现状,分析其相应的数据增强、时空图信息以及特征融合的手段,讨论了技术的优缺点。最后给出了功率预测数据驱动方法研究方向和发展建议。

数据要素化背景下的档案数字转型行动空间展望

数据要素化已成为我国引领全球数字转型的关键路径。档案领域作为数据的关键参与者和贡献者,为了及时跟进档案数字转型进程,必须充分协调与数据要素化的衔接。文章从数据要素化背景出发,解析数据作为生产要素的基本认知、流通交易、安全治理以及试点先行的基本内容,进一步探讨档案数字转型同其关联要素,主要展现为档案作为数据要素的内涵扩充、多维参与数据流通交易、档案工作融入数据治理体系、实践推进导向下的试点示范场景构建,并基于此对档案数字转型可展开的行动空间提出展望。

基于机器学习的数据库系统参数优化方法综述

参数优化是影响数据库性能和适应性的关键技术,合理的参数配置对于保障数据库系统的高效运行至关重要,但由于参数较多且参数间具有强关联性,传统参数优化方法难以在高维连续的参数空间中寻找最优配置,机器学习的发展为解决这一难题带来新的机遇。通过总结和分析相关工作,将已有工作按照发展时间和特性分为专家决策、静态规则、启发式算法、传统机器学习方法和深度强化学习方法。对数据库参数优化问题进行定义,并说明启发式算法在参数优化问题上的局限性。介绍基于传统机器学习的参数优化方法,包括随机森林、支持向量机、决策树等,描述机器学习方法解决参数优化问题的一般流程并给出一般实现。由于需要大量带标注的数据,传统机器学习模型在适应性和调优能力等方面存在不足。侧重介绍深度强化学习模型的工作原理,定义参数优化问题与深度强化学习模型的映射关系,比较基于深度强化学习的相关工作对数据库性能提升、模型训练时间和涉及的技术,描述基于深度神经网络构建和训练智能体的具体流程。最后,总结已有工作的特点,对当前机器学习在数据库参数优化方面的研究热点和发展方向进行展望,指出多粒度调优、自适应算法和自运维是未来的研究趋势。