研究生教育政策变迁:脉络、逻辑与政策效应

本研究总结了“十一五”以来国务院、教育部、科技部等部门独立发布以及联合发布的97份政策文件,通过文本数量、主体、内容分析以及分阶段的比较分析,得到了自“十一五”以来,国家人才培养政策重心从学科建设、引进海外人才到培养高层次紧缺人才的转变,体现了国家战略导向与重大需求由增强自主创新能力向推动核心“卡脖子”科技发展、提升服务区域发展能力落实;协同教育类政策的重心从联合培养研究生、科技园与联合实验室建设、数字校园建设向科教结合、产教融合协同育人的过渡,传递了协同育人机制已从一般性的产学研结合向科教、产教深度融合协同育人转变的重要信号。新时期,我国的研究生教育应继续以服务国家战略需求为导向,以深化研究生教育综合改革为支撑,以促进研究生教育高质量发展为目标,为我国加快建设世界重要人才中心做出更大的贡献。

关联视角下房地产企业信用风险溢出机制——基于文献综述的研究

房地产企业是市场经济的核心组成部分,随着我国经济的快速发展,房地产企业间的关联及其信用风险溢出成为影响金融与社会稳定的重要风险源。深入理解房地产企业间的关联性和信用风险溢出现象,对指导宏观政策和微观决策具有重要意义,有助于推动社会经济的可持续发展。本研究基于文献分析法探究房地产企业间关联及其信用风险溢出,从房地产企业间的关联机制以及信用风险的测度和风险溢出等角度,深入审视现有研究,厘清了企业间两种最普遍的关联机制,强调了采用多层网络方法深化风险传导机制探索的必要性,并且从研究方向、研究方法以及数据基础3个角度提出了房地产企业关联与信用风险溢出的未来研究方向。本研究为房地产企业风险信用溢出的相关研究提供了一定的理论基础与方向指导,也可有效管控房地产企业风险、维护宏观经济平稳运行提供科学参考。

基于文献综述的家庭金融脆弱性测度方法研究

家庭是经济社会的基本组成单位,随着我国经济迅速发展,家庭金融的脆弱性正在成为影响金融和社会稳定性的一大风险源。了解家庭的金融脆弱性和抗风险能力,有助于为宏观政策和微观决策提供参考,促进社会可持续发展。为了更好地梳理有关家庭金融脆弱性的研究,本研究采用文献分析法,通过将宏观层面的金融脆弱性延伸到家庭层面,明晰了家庭金融脆弱性的概念与特点,并详细介绍了6类测度家庭金融脆弱性的主要方法。在此基础上,本研究对家庭金融脆弱性的不同测度方法进行比较分析,总结归纳了在实际应用中各方法的优缺点,提出了在数据、方法和理论方面进一步优化现有测度方法的展望,为家庭金融脆弱性的相关研究提供了一定的理论参考。

二元联盟伙伴的重叠性和稳定性对企业新产品开发的影响研究

近年来,企业广泛利用战略联盟来整合外部资源,促进新产品开发。但是创新管理领域的研究还未涉及企业如何通过管理探索性联盟与利用性联盟的关联性,更好地利用外部研发资源和临床研究及产品市场化资源,提升新产品开发效率,这也正是本文的研究目的。探索性联盟和利用性联盟的伙伴重叠性越高,外部研发知识源与临床研究及产品市场化知识源的同一性越高,这些知识更易整合,有助于新产品开发;探索性联盟伙伴和利用性联盟伙伴的各自稳定性越高,则将提升企业与探索性联盟伙伴和利用性联盟伙伴的信任度,促进研发知识和临床研究及产品市场化知识的流入。本文基于84家全球顶尖生物医药企业1995—2018年的面板数据的实证分析发现:(1)企业参与探索性联盟的数量正向影响其新产品开发;(2)二元联盟伙伴的重叠性正向调节探索性联盟数量与企业新产品开发的关系;(3)在探索性联盟数量与企业新产品开发之间的关系中,探索性联盟数量、二元联盟伙伴的重叠性和探索性联盟伙伴稳定性存在显著的三重交互作用,即当二元联盟伙伴的重叠性以及探索性联盟伙伴稳定性均处于高水平时,探索性联盟数量对企业新产品开发正向作用越强。本研究的结论为企业组建二元联盟和新产品开发管理提供了新的理论视角和对策建议。

考虑审计要素多重语义关联的财务欺诈识别

现有的财务欺诈识别研究大多基于公司、审计师、会计师事务所等审计要素中较为简单的关系特征,罕有研究能够系统刻画各类审计要素之间错综复杂的关联关系.本文创新性地引入知识图谱(Knowledge Graph)技术,构建出包含公司、审计师和会计师事务所的多重语义关联网络,并利用图神经网络(Graph Neural Networks)方法捕捉知识图谱中审计要素之间复杂隐秘的关联关系以提高财务欺诈识别效果.基于我国2018年—2019年的上市公司样本,构建出包含12373个审计要素和111194条关系的审计知识图谱.实证研究发现引入审计要素关联关系能够提升财务欺诈识别准确率;在多种审计要素关联关系中,考虑审计师对公司出具的审计意见对欺诈识别更为重要;对比不同历史时长的审计要素,使用公司历史5年的审计要素识别财务欺诈的效果更好.本研究可以为投资者、分析师以及监管机构在大数据时代下的财务欺诈识别提供科学参考.

领导者底线心智对团队创新的双刃剑效应

底线心智是一种以获取底线利润结果为中心,而忽略其他一切竞争事项优先权(如企业社会责任、利益相关者权益、员工福利等)的单维思维模式。虽然底线心智可能导致管理者只注重绩效而忽视其他对企业有利的重要事项,甚至采取不道德的手段来实现目标,但研究也表明底线心智能够提高员工工作专注度进而提升绩效。为进一步推进底线心智双刃剑效应的研究,本文构建了领导者底线心智对团队创新双刃剑效应的影响机制模型,指出领导者底线心智一方面抑制了团队风险承担意愿,进而相比于探索式创新更有益于利用式创新;另一方面能够激发团队强迫激情,从而相比于团队创意产生更有利于团队创意实施。本文为深化底线心智领域的研究提供了参考,也为组织和领导者如何更好管理底线心智提供了重要建议。

数字经济赋能中国式现代化建设

文章首先从中国式现代化的内涵与数字经济的特征内在一致性的视角,阐释了发展数字经济对于实现中国式现代化的重要意义,揭示了数字经济赋能中国式现代化建设的内在逻辑;进而,分析了中国式现代化建设在数字经济科技基础能力建设、数据要素协同机制、数字化发展结构性失衡、治理体系和安全体系等方面需要解决的问题;最后,结合我国新发展格局的实际国情,从深化机制加强核心技术研发、完善数据基础制度建设、改善发展不平衡不充分问题、创新政府与市场协同治理机制4个方面提出了政策建议。

社会宏观数据视角下严重暴力犯罪发案数关联因素及预测研究

[目的/意义]严重暴力犯罪发案数是评价社会整体治安水平的重要指标,运用情报学方法,以社会宏观数据为基础,准确预测发案数量,对于科学配置安全防范资源,精准预防打击犯罪及提高社会治理能力具有重要意义。[方法/过程]基于社会宏观数据视角,运用犯罪学基本原理深刻剖析严重暴力犯罪的复杂影响因素,提出严重暴力犯罪发案数关联因素及预测方法的研究假设,选取对应的社会宏观数据作为变量,结合近20年8类严重暴力犯罪的历史发案数据进行测试建立自回归滞后模型,并预测严重暴力犯罪发案规律。[结果/结论]研究发现,GDP、结婚率、人口结构、安防投入、失业率等宏观社会指标与严重暴力犯罪发案数关联性明显,相比单一使用历史数据预测的准确度大幅提升,这为我国科学制定相关社会治理防范策略提供有力的技术支撑和方法指引。

基于LDA模型与政策工具的中国数据主权政策研究

在数字经济发展与总体国家安全观的双重时代背景下,数据主权已成为国家主权的重要组成部分。各主要国家和地区积极开展数据主权战略部署,在数据资源、数据技术和数据规则方面展开激烈竞争与博弈。文章采用政策文本分析方法研究我国数据主权政策,运用LDA(Latent Dirichlet Allocation)主题模型和政策工具量化分析中国数据主权政策的过程演化、主题特征,并综合考虑全球数据主权态势,提出4条政策建议:积极主导和参与国际规则制定;优化数据出境安全评估流程;完善个人信息出境标准合同模版;强化数据安全法治保障。

基于用户画像和链路预测的电影个性化推荐研究

当今电影市场上海量的影片资源使用户面临选择困境,高效的电影推荐系统对提升用户体验以及电影服务商的市场竞争力具有重要作用.如何融合多种数据源进行个性化推荐,在提升算法精度的同时平衡多样性是电影推荐系统面临的挑战,针对该问题的研究具有重要的理论和现实意义.用户画像可以从多维度刻画丰富的用户特征,更好地理解用户兴趣和行为,链路预测从网络拓扑结构视角建模具有独特优势,二者的融合为解决上述问题提供了可能性.为此,该研究提出了一种基于用户画像和链路预测的电影个性化推荐算法.该算法以电影推荐为背景,区分了用户的行为和领域兴趣相似性,融合多源数据构建用户画像,作为网络外部信息融入链路预测过程中,有助于提升算法精度.此外,算法还从稀缺性视角改进了二分图投影中用户兴趣相似性的计算,同时衡量了链接在推荐中的促进或抑制作用强度,使推荐结果更加新颖和个性化,流行度偏差问题得到一定程度的改善.最后,文章基于两个MovieLens数据集对提出的推荐算法进行了实验验证,结果表明与代表性算法相比,文章提出的算法不仅在准确性上有显著提升,在与多样性相关的指标上也有明显的优势.此外,抽象出的用户画像能够帮助推荐平台了解其用户群,从而制定出更为科学的营销与管理策略.

基于互联网新闻和时间卷积长短时记忆神经网络的股票指数预测研究

本文针对互联网财经新闻中对于股票市场涨跌的舆论观点,进行文本分析和建模,建立了股票市场领域情感词典,用于对互联网财经新闻文本数据进行积极、消极与中立情绪的情感分析。在情感分析过程中考虑否定副词和转义词,随后建立情感特征并采用时间卷积长短时记忆神经网络对沪深300股票指数进行预测。本文利用Word2Vec方法对大量互联网财经新闻进行训练,以半监督的方式构建互联网新闻语境股票市场领域中文情感词典,该词典能够有效地对股票市场相关新闻中所蕴含的股市涨跌观点和情绪进行识别。为充分利用文本和时序特征,本研究提出了时间卷积与长短时记忆网络相结合的模型TCN-LSTM。经过实证分析对比发现,TCN-LSTM模型的方向预测和短期数值预测效果优于其他深度学习模型。本研究提出了面向特定舆情主题的情感词典构建方法,建立了用于股市预测的互联网新闻情感词典。同时,也发展了利用深度学习方法进行金融时间序列预测的新方法。时间卷积和长短时记忆机制的集成解决了特征提取时局部和长期的权衡问题,对深度学习在金融预测领域应用效果的提高有较为重要的意义。

公司财务欺诈行为的同群效应:基于连锁董事网络社团的研究

本文从连锁董事网络的角度研究上市公司财务欺诈行为的同群效应和影响机制。基于2011一2021年中国上市公司数据的实证研究显示,公司在做出财务欺诈行为决策时会受到自身所处的连锁董事网络社团中其他公司的财务欺诈行为的影响。同时发现,在存在财务欺诈行为的连锁董事网络社团中,公司之间通过共用连锁董事形成的关联关系紧密程度越高,该连锁董事网络社团中的公司发生财务欺诈行为的可能性越大。公司在连锁董事网络社团中与越多的财务欺诈公司共用连锁董事,该公司发生财务欺诈行为的可能性越大。本文的研究结果有助于加强对由连锁董事的信息传递引起的公司间财务行为相互模仿现象的理解,为公司财务欺诈行为的监管提供科学依据。

数字平台自治的边界重构及政府监管策略研究

数字平台是数字时代最重要的组织形式。如何厘清数字平台自治与政府监管的边界,有效发挥数字平台的秩序维护职能,是数字经济治理的关键问题。文章首先从数字平台自治的背景出发,介绍了数字平台自治的基本模式和其面临的监管挑战;然后,通过对美国和欧盟数字平台自治的监管理论和法律政策进行比较分析,总结了不同监管模式的优缺点;最后,针对当前我国数字平台自治边界较为模糊,政府监管出现过度包容和过度管制的两难困境,提出在重构治理边界的基础上,由粗放式的刚性监管向审慎的柔性监管转变、由命令式监管向合作式监管转变、由事后监管向全流程监管转变的政策建议。同时,文章主张提升数字平台的合规经营水平,使其实现自我规制和主动合规,以期促进我国数字平台经济规范、健康、可持续发展。

美国《2022年芯片与科学法案》对我国相关产业的影响与对策

芯片作为现代信息技术的基石,是世界各国竞争博弈和产业发展的战略制高点。近年来,美国利用技术优势接连出台针对中国的芯片法案,严重违背了市场经济规律,对全球半导体产业链造成重大影响。文章首先梳理了全球半导体产业的发展格局,在此基础上介绍了美国《2022年芯片与科学法案》出台的背景、内容与目的,然后分析了该法案对全球芯片市场、中国芯片产业及其相关产业与中国经济的影响,最后结合我国实际国情提出了应对策略。

行动学习研究知识图谱与展望

行动学习有助于实现理论与实践的有机结合,梳理此领域研究对加强理论与实践的联系,拓展和深化行动学习相关研究具有重要意义。本文借助CiteSpace科学可视化软件,选取WebofScience核心数据库和CNKI数据库中以行动学习为主题的共581篇文献作为研究样本,基于聚类分析、关键词突现分析等展现该领域的全景、研究热点及方向。研究发现:(1)当前国内行动学习研究数量较少,整体呈上升趋势,但波动性较强。(2)关于行动学习研究国外主要集中在管理教育和护理学期刊,可分为三大主流研究领域:教育教学研究、团队管理研究及社会公共问题研究;国内主要集中在教育学和管理学期刊,可分为教学模式的探索研究、教师专业能力发展研究及创业行动学习研究。

推动跨境数据安全有序流动引领数字经济全球化发展

作为连接全球经济的纽带和新秩序博弈的焦点,跨境数据流动在极大提升跨国协作效率的同时,也面临着数据主权、国家安全、利益冲突、隐私保护、数据监管等问题。文章首先从数据要素的经济影响出发,梳理跨境数据流动对经济全球化的作用;进而,分析全球范围内跨境数据流动的制约因素,总结我国数据生产总值的优势和不足;最后,结合我国数字经济发展实践,提出有为政府与有效市场更好结合、推动数字隐私技术研发应用、发挥自贸区和自港区先行先试作用、实行分类分级的差别化监管政策、发起多边协定为国际数据治理提出中国方案、坚持系统思维引领数字经济全球化的政策建议,以期推动跨境数据安全有序流动,使我国更好地把握数字经济全球化的战略机遇。

基于网络评论文本挖掘的技术预见方法研究

在网络社区兴起的背景下,鉴于网络社区的海量评论数据中蕴含着大量专家用户群体智慧,提出基于网络评论文本挖掘的技术预见新型方法,以促进技术预见活动顺利实施并取得准确可信的最终结果。首先从多源数据中获得种子科技主题,并将其投放至开放网络社区,吸引专家用户进行充分讨论形成交互数据,经过数据爬取、清洗、存储等环节得到网络评论数据集,再利用情感分析、主题模型等方法对网络评论中蕴含的隐性知识进行显性化挖掘,结合相关领域专家的研判最终得到辅助技术预见决策的有价值信息。这一新型方法可以使技术预见活动大幅降低成本、打破时空限制,便于大规模专家参与其中,并最大限度降低少数专家主观色彩浓厚的负面影响。

人工智能新近发展及其对经济学研究范式的影响

以ChatGPT及其大语言模型为代表的人工智能将对经济学研究范式产生深远影响。目前,经济学实证研究一般使用参数维数较少、经济可解释性较强的小模型。然而,经济金融系统是一个超高维动态复杂系统,受多种因素的影响,且这些因素之间的关系呈现非线性与时变性特征,小模型无法刻画其本质规律。大模型可有效减少系统偏差,更好刻画复杂经济系统的特征与运行规律;而海量数据的使用可避免模型过度拟合,使大模型具有较好的泛化能力即样本外预测能力。为支持经济学及社会科学其他领域的大模型的估计、推断与预测,需要利用人工智能技术整合各种异构、异源、异频数据,构建大规模计量经济学数据库,并加强大算力等信息技术基础设施建设。目前,ChatGPT及大模型等前沿人工智能技术仍存在局限性,如:无法像人类一样进行批判性思考或想象,只有预测能力;基于大数据的人工智能因果推断本质上是一种统计关系推断,需要引入经济理论或实验方法帮助识别真正的因果关系;人工智能技术不能改变经济学实证研究从样本推断总体性质的本质;同时,由于互联网大数据存在大量虚假信息或样本选择偏差等问题,基于人工智能所获得的结论的可靠性需要验证。

基于综合集成方法的设备故障诊断及其应用

设备故障的诊断涉及到知识工程、知识管理、数据挖掘、专家系统、可靠性工程等多领域知识,常常需要综合定性和定量方法共同进行诊断。本研究从综合集成法的思路出发,提出了一种定性定量结合的设备故障诊断方法,并以铁路CIR设备为例,综合知识图谱、文本分类、贝叶斯网络等技术,应用于设备故障知识管理、故障定位、故障诊断推理。本研究表明,综合集成方法对复杂设备故障知识的管理和诊断实践提供了有效指导,同时能为维修人员和管理人员进行设备健康管理工作提供决策支持。

农村电商助力扶贫与乡村振兴的研究现状及展望

基于现有文献,结合电子商务应用于农村扶贫与乡村振兴的成果与经验,对这一领域的研究进行了综述。以政府、企业、农户三方参与主体,阐述电商助力扶贫与乡村振兴的研究焦点,探讨农村电商对乡村产业融合升级、乡村人才培养与就业创业、消费市场下沉和农村消费的影响。在此基础上,构建基于“三大主体-研究焦点-作用过程-影响效应”的电商助力扶贫与乡村振兴的整合研究框架,并指出未来研究应关注电商扶贫与促消费的关系,探究电商扶贫助力产业升级的过程机理,揭示电商扶贫的社会效应,以及探析农村电商助力解决相对贫困问题的效果和作用机制。