管理科学与工程学科知识图谱构建研究

合集下载

211115227_基于知识图谱的我国建筑全生命周期研究可视化分析

基于知识图谱的我国建筑全生命周期研究可视化分析A Visualization Analysis into the Full Life Cycle Researches of Buildings in China based on Knowledge Graph■ 吴倩倩 WU Qianqian 王薇 WANG Wei 胡春 HU Chun摘要：建筑全生命周期可以辅助建筑项目管理，帮助建筑可持续健康发展，更好地降低建筑碳排放。

以信息可视化软件Citespace 为研究手段，基于2000—2020年CNKI 数据库中文核心期刊论文数据，对我国建筑全生命周期研究的知识图谱结构进行可视化分析，并对建筑全生命周期的发文作者、合作网络、发文机构、核心关键词等图谱分析结果进行研究。

进一步对关键词进行聚类分析，得到建筑全生命周期的8个主要研究聚类，并且整体沿4个方向发展。

在未来的研究中，建筑全生命周期的认知和理论体系构建研究、应用方法创新研究、跨学科多角度研究及理论创新研究，是需要继续关注的发展方向。

关键词：建筑全生命周期；知识图谱；可视化；Citespace；BIMAbstract: The full life cycle of building can be used to assist the building project management and help the sustainable and healthy development of buildings, reducing in a better way the carbon emission of buildings. The information visualization software Citespace is used as the research approach, and the data of the papers from Chinese core journals of CNKI database 2000-2020 are used to make visualization analysis upon the knowledge graph and structure of China’s full life cycle researches of buildings. Further studies are conducted on the authors, cooperative websites, organizations, and critical keywords concerning the topic of full life cycle of buildings. Further cluster analysis is carried out on keywords to get 8 major clusters of research on full life cycle of buildings and it’s demonstrated that the overall researches are divided in 4 directions. In the future researches, the development directions deserving continued attention are the researches on the cognition of full life cycle of buildings and the building of theoretic system, the study on application method innovation, and cross-discipline and multi-perspective research, and theoretic innovation study. Keywords: full life cycle of building; knowledge graph; visualization; Citespace; BIM0 引言2000年以来，随着城市建设的飞速发展，我国建筑能源消费总量呈现持续增长趋势。

知识图谱算法工程师岗位-简历

知识图谱算法工程师岗位-简历
基本信息
自我评价
我是一名热衷于知识图谱算法和人工智能领域的工程师，拥有卓越的计算机科学和数据科学背景。

我专注于知识图谱的构建、信息抽取、自然语言处理和数据挖掘等领域。

我具备深厚的机器学习和深度学习知识，熟练使用TensorFlow、PyTorch和Scikit-learn等工具。

在前沿技术方面，我不断探索图神经网络（Graph Neural Networks）和迁移学习等领域的最新研究。

我在团队中表现出色，善于解决复杂问题，具备出色的沟通和协作技能，以确保项目的成功交付和创新成果的实现。

工作经历
技能
•
机器学习和深度学习 •
知识图谱构建和图数据挖掘 •
自然语言处理和文本挖掘 •
Python 编程和数据科学工具 •
大规模数据处理和分布式计算
教育背景
兴趣爱好
除了工作，我喜欢持续学习和研究人工智能领域的最新发展。

我积极参与开源社区，贡献代码和分享经验。

我也热衷于阅读科技和计算机科学相关的书籍，以保持自己的知识水平。

在休闲时间，我喜欢户外活动，如徒步旅行和露营，以及探索新的文化和美食。

基于科学知识图谱的价值工程文献研究

ｐｕｂｌｉｓｈｅｄｂｅｔｗｅｅｎ１９９１ａｎｄ２０１０．Ｂａｓｅｄｏｎｑｕａｎｔｉｔａｔｉｖｅｑｕｏｔａｔｉｏｎａｎａｌｙｓｉｓａｎｄｃｉｔａｔｉｏｎａｎａｌｙｓｉｓ，ｗｅｇｏｔｔｈｒｅｅｍａｊｏｒｃａｔｅｇｏｉｒｅｓ（ｉｎｃｌｕｄｉｎｇｔｈｅｍｅｔｈｏｄａｎｄｓｃｏｐｅｏｆｔｈｅａｐｐｌｉｃａｔｉｏｎ，ｔｈｅａｐｐｌｉｃａｔｉｏｎｉｎｅｎｇｉｎｅｅｉｒｎｇａｎｄｃｏｍｍｅｒｃｉａｌｉｆｅｌｄ）ｏｆｖａｌｕｅｅｎｇｉｎｅｅｉｒｎｇｗｉｔｈｉｔｓａｐｐｌｉｃａｔｉｏｎｓａｎｄ
ＶａｌｕｅＥｎｇｉｎｅｅｒｉｎｇ
基于科知识图谱的价值工程文献研究
ＬｉｔｅｒａｔｕｒｅＳｔｕｄｙｏｎＶａｌｕｅＥｎｇｉｎｅｅｒｉｎｇｗｉｔｈＳｃｉｅｎｃｅＫｎｏｗｌｅｄｇｅＭａｐｐｉｎｇ
ｄｉｓｔｉｒｂｕｔｉｏｎ），ｆｕｒｔｈｅｒｄｒａｗａｖｉｓｕａｌｋｎｏｗｌｅｄｙｅｍａｐｏｆｒｅｓｅａｒｃｈｄｅｖｅｌｏｐｍｅｎｔａｎｄｈｏｔｐｏｔｓｏｆｖａｌｕｅｅｎｇｉｎｅｅｉｒｎｇ，ＳＯａｓｔｏｌａｙａｓｏｌｉｄｏｆｕｎｄａｔｉｏｎ

科学知识图谱视角下CiteSpace_的学科基础与原理分析

264研究与探索Research and Exploration ·理论研究与实践中国设备工程 2024.01 （上）等领域不可或缺的工具。

狭义的知识图谱特指一类知识表示，本质上是一种大规模的语义网络；广义的知识图谱是大数据时代知识工程一系列技术的总称。

从狭义角度考察，此种大规模的语义网络包括实体、概念及其之间的各种关系，其中，语义网络是知识图谱的本质。

与传统的语义网络相比，知识图谱代表的语义网络规模巨大、语义丰富、质量精良、结构友好。

语义网络是一种以图形化的形式，通过点与边描述知识关系的方法。

图形中的点可以描述实体、概念和属性。

实体称为对象或实例，它是一切属性的物质基础，是有明确指代意义的。

概念又称类别、类，其是指一类人，这类人有相同的特征。

概念所对应的动词称为概念化和范畴化，概念化一般指识别文本中的相关概念的过程，例如，拉格朗日的中值思想；范畴化一般指实体形成类别的过程，如具有若干哲学思想的人们组成某个特定的哲学派别，则这一学派的形成就是典型范畴化的过程。

每个实体都有一定的属性值，包括数值、日期、文本等，知识图谱的推理即是建立在实体、属性与关系之上。

科学知识图谱在图书馆学情报学应用领域，包括识别学科领域热点、展示学科研究前沿、分析引用关系等。

2 CiteSpace 的主要学科基础理论从哲学、社会学、数据科学，数学等学科入手，可全面理解软件包含的学科基础知识。

2.1 科学革命的结构CiteSpace 设计灵感之一，是来源于托马斯•库恩的《科学革命的结构》。

库恩重塑了科学的真理形象，其“范式论”“不可通约论”为科学史研究提供了新的视角。

库恩思考的根本问题可以概括为“科学进步的机制是什么”。

这是需要借助科学史研究才能回答的问题，但传统的研究方法存在缺陷，而作者尝试从科学史的编著工作中找到突破口。

科学知识的历史不是简单增长过程，其中某个阶段必定会发生根本性的转变，新的科学观应以研究此类根本性转变为宗旨。

智慧管网对标策略研究

智慧管网对标策略研究薛鲁宁1 李莉2 陈钻1 崔秀国2 侯学瑞3（1.国家管网集团浙江省天然气管网有限公司；2.国家石油天然气管网集团有限公司科学技术研究总院分公司；3.国家管网集团东部原油储运有限公司）摘　要：本文在分析智慧管网建设关键技术的基础上，结合对标管理的一般方法，提出了智慧管网对标的基本策略。

智慧管网对标涵盖管理和技术两方面内容，管理对标包括智慧系统的定义内涵、发展战略、建设目标、智慧化水平评价、企业组织架构改革、科研投入、投资收益以及标准体系等内容；技术对标包括物联网技术、数字孪生技术和知识库建设技术3类通用技术和智能化提升技术。

对于管理对标和通用技术对标以一般性对标和行业对标为主，辅以竞争性对标，对于智能化提升技术对标，以竞争性对标为主，辅以一般性对标和行业对标。

关键词：智慧管网，对标，物联网，数字孪生，知识库DOI编码：10.3969/j.issn.1674-5698.2024.04.004Research on Benchmarking Strategies for Intelligent Pipeline Network XUE Lu-ning1 LI Li2 CHEN Zuan1 CUI Xiu-guo2 HOU Xue-rui3（1. PipeChina Zhejiang Pipeline Network Co., Ltd.; 2. PipeChina Institute of Science and Technology;3. PipeChina Eastern Oil Storage and Transportation Co., Ltd.）Abstract:On the basis of analyzing the key technologies of intelligent pipeline network and combining with the general method of benchmarking management, this paper proposes the basic strategy of benchmarking for intelligent pipeline network. The benchmarking of intelligent pipeline network covers two aspects: management and technology. Management benchmarking includes the definition and connotation of smart systems, development strategies, construction goals, evaluation of intelligent levels, reform of enterprise organizational structure, scientific research investment, investment income, and standards system; Technical benchmarking includes three general technologies: Internet of Things technology, digital twin technology, and knowledge base construction technology, as well as intelligent enhancement technology. For management benchmarking and general technology benchmarking, general benchmarking and industry benchmarking are mainly used, supplemented by competitive benchmarking. For intelligent technology benchmarking, competitive benchmarking is mainly used, supplemented by general benchmarking and industry benchmarking.Keywords: intelligent pipeline network, benchmarking, Internet of Things, digital twin, knowledge base作者简介：薛鲁宁，博士，高级工程师，主要从事智慧管网及其标准化研究。

科学知识图谱在学科评价中的应用研究[开题报告]

（2011届）本科毕业论文（设计）开题报告题目：科学知识图谱在学科评价中的应用研究学院：商学院专业：信息管理与信息系统班级：学号：姓名：指导教师：开题日期：一、选题的背景、意义1.该选题的历史背景及国内外现状科学知识图谱，是将传统的文献计量方法与现代的文本挖掘和复杂网络、数学、统计学、计算机科学方法以及可视化技术等有机地整合在一起的一种综合分析科学发展的知识发现方法。

从20世纪 50年代至今，科学知识图谱的研究已经有几十年的历史。

(1)引文分析理论的发展促进了科学知识图谱的兴起。

20世纪60年代，加菲尔德(Eugene Garfield)创办科学引文索引 (SCI)。

1965年，普赖斯以SCI为数据来源，发表了一篇科学计量学的杰作《科学论文的网络》。

在这篇论文中，普赖斯第一次提出并界定了“研究前沿”的概念。

到了20世纪70、80年代，匈牙利的三位学者T.布劳温 (Tibur Braun)、W．格伦采尔 (Wolfgang Glanze1)和A．舒伯特 (Andres Schubert)以SCI数据库为基础，出版了《科学计量学指标》，这实际上是世界科学地图和科学知识图谱的雏形。

(2)复杂网络系统和社会网络分析的兴起丰富了引文分析理论与方法。

美国社会心理学家斯坦利·米尔格兰姆(Stanley Milligram)于1967年通过社会网络人际关系的“六度分隔”试验发现了著名的“小世界”现象。

90年代中期，比利时情报计量学专家埃格赫 (Leo Egghe)和鲁索 (Ronald Rousseau)合作出版了《情报计量学引论》，促进了科学知识图谱的产生。

进入21世纪，社会网络分析的探索与应用向纵深发展，风靡全球。

(3)信息可视化为科学知识图谱提供了强大的技术支持。

1999年陈超美出版了该领域的第一部学术专著《信息可视化与虚拟环境》，R．斯宾塞 (Robert Spence)2000年出版了《信息可视化》之后相关研究如雨后春笋般涌现。

职业能力导向下高职专业领域知识图谱模式的构建研究

图1本体构建流程层构建阶段主要包括知识抽取、知识融合、知识加工等三个步骤。

知识抽取指从多种数据源中获取数的语义信息，还需要表征与之相关的职业技能、学习资源、学习路径、学习任务等语义信息。

前沿视角心概念逐级分解定义子本体划分层次。

确定专业本体层次结构。

高职专业人才培养方案是组织开展教学活动的规范性文件，是实施专业人才培养的基本依据。

教育部发布的《关于职业院校专业人才培养方案制订与实施工作的指导意见》明确提出，为确保培养规格，要确定专业培养目标，明确专业培养的知识、技能和素质要求。

由此将高职专业领域知识图谱的专业本体分解为知识、技能、表征价值观和方法论的素质等三个子概念类型。

最后使用知识点、技能点、素质点表征知识、技能、素质概念类的最小单位。

我国高职专业课程教学是依据课程标准和课程教材采用课程、章、节的层级化方式组织实施。

由此，在课程本体上建立“课程—章—节”概念层次结构。

职业岗位本体不再分解定义子本体，后续通过定义概念属性实现对该核心概念特征和关系的语义描述。

学习资源是专业教学过程中进行学习任务活动的支撑，其类型丰富多样，常见类型包括文本、音频、视频、课件、图片、测试、教学案例、实训实验等。

为了便于统一管理，本研究将文本、音频、视频、课件、图片、教学案例等教学资源归属媒体资源类，因此资源本体按照资源类型划分定义为仿真实训资源、媒体资源和测试等三个子本体。

（2）定义概念属性概念属性是对概念类固有特征的描述，分为数据属性和对象属性两种类型，前者用于对自身特征的描述，后者用于对概念类与概念类之间关系的描述。

数据属性是对概念类语义信息的补充，比如编号、名称等，在一定程度上会影响知识图谱描述信息的准确性。

为此，基于知识组织原理和高职专业教学规律，参考国家教育信息化技术标准定义数据属性。

下面将以学习资源本体的概念属性定义为例说明概念属性的定义过程。

本研究根据实际需要使用教育部发布的CELTS-3.1学习对象元数据标准的通用类、技术类、教育类和关系类数据项，定义学习资源及其子本体的属性。

基于知识图谱的高校服务能力提升探索和研究

基于知识图谱的高校服务能力提升探索和研究文/孙兆群1，陆成松2(1.上海仪电人工智能创新院有限公司；2.上海海洋大学）摘要：本文在高校数据中台的基础上，构建基于知识图谱的高校服务能力服务平台，为数据中台提供更加完善的智能化处理单元，实现对高校数据中台的语义搜索与智能推荐，进而实现数据价值的有效挖掘与提取，改善用户搜索交互、提供搜索增项数据、筛选条件排序优化，将数据资产有效地转化为知识和数据价值，促进学校内部数据资产的价值挖掘，推动学校的数据资产应用和智能决策，为教学和学生管理工作提供更加智能、高效的服务。

本文的研究成果，具有很强的基础性和通用性，可应用在高校多种数据驱动的应用业务场景，如学涯规划、岗位匹配、招生咨询等，亦可在学生综合能力评价、学科发展潜力评估、教师教学质量评价等领域展开拓展。

关键词：资源调度；知识图谱；学涯规划；岗位匹配；招生咨询1.引言高校处于高端人才孵化、前沿科技策源、创新思维迸发的重要交汇点，肩负着人才培养、科学研究、社会服务、文化传承创新、国际交流合作等重要责任和使命，是国家科技创新体系的重要组成部分[1]。

学生作为高校教育活动的主要参与者，其学习和成长的过程情况与反馈，是判断高校服务水平优劣和促进高校服务能力提升的重要参考指标和依据。

坚持教育以学生为中心，以“发掘学生潜质、激发学生兴趣、指导学生学习、成就学生价值”为基本目标，探索基于数据驱动的新型人才培养和教育治理模式，对促进学生全面高素质发展和提升高校服务能级具有重要意义[2]。

互联网技术的迅猛发展，使人类依次经历了以文档互联为主要特征的“Web1.0”时代和以数据互联为特征的“Web2.0”时代，并正处于以知识互联为基础的“Web3.0”时代[3]。

近年来，在《国家中长期教育改革和发展规划纲要(2010—2020年)》[4]和《教育管理信息化建设与应用指南》等政策文件的指导下，高校在教学信息化、科研信息化、管理信息化等方面取得了显著的成果，学校基础数据、学生数据、教学数据、教职工数据、研究生数据、科研数据、财务数据、资产与设备数据等逐步汇聚。

仿生知识图谱构建研究

第 22卷第 3期2023年 3月Vol.22 No.3Mar.2023软件导刊Software Guide仿生知识图谱构建研究李诚祥1，刘自聃2，宋泽1，谢夏1，黄小欧1，谷阳3（1.海南大学计算机科学与技术学院，海南海口 570228；2.华中科技大学计算机科学与技术学院，湖北武汉430074；3.海南大学信息与通信工程学院，海南海口 570228）摘要：随着生物、光电等仿生相关学科的发展，仿生学的研究领域正在逐步扩展，仿生研究者对仿生知识预测等应用需求也在增加。

然而，仿生学各领域间缺乏知识共享与技术复用，已成为仿生发展的阻碍，因此需要应对仿生领域知识管理需求，降低仿生研究的复杂度。

为此，在分析、调研仿生数据特点与知识图谱技术后，针对仿生领域特点设计核心构建步骤，提出仿生领域知识图谱的构建框架。

实验表明，该知识图谱构建流程的模型具有优良性能，证明了仿生知识图谱可集成、表示和管理仿生技术，能适应仿生领域的任务场景。

关键词：仿生；知识图谱；实体；生物学DOI：10.11907/rjdk.221646开放科学（资源服务）标识码（OSID）：中图分类号：TP391.1 文献标识码：A文章编号：1672-7800（2023）003-0068-10Research on the Construction of Bionic Knowledge GraphLI Cheng-xiang1， LIU Zi-dan2， SONG Ze1， XIE Xia1， HUANG Xiao-ou1， GU Yang3（1.School of Computer Science and Technology， Hainan University， Haikou 570228，China；2.School of Computer Science and Technology， Huazhong University of Science and Technology， Wuhan 430074，China；3.School of Information and Communication Engineering， Hainan University， Haikou 570228，China）Abstract：With the development of bionics related disciplines such as biology and optoelectronics， the research field of bionics is gradually expanding， and bionics researchers′ demand for bionics knowledge prediction and other applications is also increasing. However， the lack of knowledge sharing and technology reuse among various fields of bionics has become an obstacle to the development of bionics. Therefore， it is necessary to deal with the requirements of knowledge management in the field of bionics and reduce the complexity of bionics research. After analyzing and investigating the characteristics of bionic data and knowledge graph technology， the construction framework of knowledge graph in bionic field is proposed according to the core construction steps of bionic field characteristics. The experiment shows that the established knowledge graph construction process model has excellent performance， which proves that the bionic knowledge graph can integrate， represent and manage the bionic technology， and can adapt to the task scenes in the bionic field.Key Words：bionic； knowledge graph； entity； biology0 引言仿生学是人们对生物体结构与功能进行研究，继而发明创造的科学［1］。

基于科学知识图谱价值工程文献研究

基于科学知识图谱的价值工程文献研究摘要：本文应用科学计量工具citespaceii对在1991-2010年间发表的1402篇价值工程文献进行定量的引文分析和被引分析，得到价值工程研究和应用的三大类聚（包括价值工程的应用方法及范畴、在工程领域和商业领域应用的研究）及其研究进展，识别其研究基础（发表数量、研究国家来源、研究方向等）并绘制出价值工程研究发展与热点前沿的可视化知识图谱，为今后该领域的深入研究打下了坚实的基础。

abstract： this paper applied science measurement tools “citespace ii” software to study 1402 literatures about value engineering published between 1991 and 2010. based on quantitative quotation analysis and citation analysis， we got three major categories （including the method and scope of the application， the application in engineering and commercial field） of value engineering with its applications and research. then we identified its research basis（the published quantity of the literatures， the nationality of the researches and the fields of distribution）， further draw a visual knowledye map of research development and hot pots of value engineering， so as to lay a solid foundation for deeper investigation in this field.关键词：价值工程；价值分析；citespaceii；科学知识图谱；神经价值分析key words： value engineering；value analysis；citespaceii；science knowledge mapping；nerve value analysis中图分类号：f403.7；f270.7 文献标识码：a 文章编号：1006-4311（2013）18-0001-040 引言价值工程（value engineering简称ve），也称价值分析（value analysis简称va），最早由美国为适应军事工业的需要创立和发展起来，目的在于确保军事装备的技术性能，最大可能地节省采购成本，降低军费开支[1]。

知识图谱的概述与应用

知识图谱的概述与应用张镇涛高碑店一中摘要：知识图谱自2005年被引入国内以来，被广泛应用于资料整合、对外宣传和智能化领域，给人们的生活生产提供了许多便利。

本文将从知识图谱介绍、知识图谱发展历程、知识图谱关键技术及知识图谱应用四个方面进行概述。

关键词：知识图谱；语义网；知识融合1 知识图谱的介绍知识图谱的前身为语义网，是语义网逐渐发展的成果。

知识图谱以关系数据的知识库为基础，通过对数据进行标注，确定关联关系，构造底层的知识结构网络。

知识图谱展现了现实中实体、概念、事件之间的关系，能够对知识库中的内容进行深层次语义分析，对数据进行深度挖掘，并结合目前的机器学习技术和自然语言处理技术，为用户提供智能搜索、兴趣推荐及知识推理等功能。

知识图谱力求将当今繁杂庞大的知识进行系统化、有序化的组织，在大数据的时代，有着无法替代的重要性。

在网络信息资源爆炸式增长的背景下，传统的知识组织结构松散，难以满足用户日益增长的对知识服务的需求和期望。

而知识图谱技术的诞生，适应了用户的认知需求，与传统人工脑力进行的有关某学科领域发展的宏观状况相比，具有无比优越的科学性、高效性、有效性。

因此，知识图谱的诞生也是一种必然。

2 知识图谱的发展历程2.1知识图谱起源知识图谱起源于加菲尔德1955年发表的一篇论文，该论文提出了将引文索引应用于检索文献的思想，之后又由普赖斯提出了引用网络，从此将理论问题转化成了一种可以解决实际问题的常用方法，进而催生出知识图谱的概念。

传入中国后，杨思洛利用知识图谱进行可视化分析，并开始进行国内关于知识图谱的一些应用研究。

2.2知识库的发展1977年的第五届国际人工智能会议首次提出知识工程与知识库的概念。

知识工程对知识进行存储，进而实现用户对相关数据的提取，如专家系统。

与以往单一的数据库相比，知识库拥有了对知识结构提取分析的功能，也就因此具备了一定的智能性，更加符合用户的需求。

可以说，知识库的发展是知识图谱的雏形。

科学知识图谱在学科可视化研究中的应用

科学知识图谱在学科可视化研究中的应用孙晓宁;闫励;张强【摘要】For the past few years, under the common efforts of some scholars at home and abroad,a lot of discipline visu-alization research tools have emerged,they can draw a variety of mapping knowledge domains of disciplinary system according to their characteristics,which are convenient for people understand the structure of the subject areas distribution from the angle of graph-ics and provide a new method or idea for the study of discipline architecture.After making a distinction between the concept of map-ping knowledge domain and discipline visualization,the paper summarizes the status that mapping knowledge domain applied in dis-cipline visualization.In the last part of the paper,it mainly concludes five issues in the research of mapping knowledge domain ap-plied in discipline visualization:data source,research tool,research method,research content and application field.%近年来，经过国内外一些学者的共同努力，诞生了许多学科可视化研究工具，它们可以根据自身的特点，绘制出多种学科体系的科学知识图谱，方便人们从图形的视角来了解学科领域的结构分布特征，为学科体系结构研究提供了新的方法和思路。

基于CiteSpace的突破性创新知识图谱研究——以1991—2018年WoS和CSSCI数据为例

2020 年第 3 期桂林航天工业学院学报（总第 99 期） JOURNAL OFGUILIN UNIVERSITY OF AEROSPACE TECHNOLOGY经济与管理基于CiteSpace 的突破性创新知识图谱研究* ***基金项目：国家自然科学基金“产业链创新视角下战略性新兴产业合作网络研究：形成机理、演化模型及政策(7176，1004)；广西壮族自治区“广西高等学校千名中青年骨干教师培育计划”(第二期)**作者简介：刘国巍，男，黑龙江绥化人.副教授，博士 .研究方向：创新管理、复杂网络.——以1991—2018年 WoS 和CSSCI 数据为例刘国巍程圣洁1(1 桂林航天工业学院产学研协同创新与创业研究中心，广西桂林 541004；(2 电子科技大学经济与管理学院，四川成都 611731 丿摘要为进一步了解突破性创新的知识基础、研究热点与发展趋势，文章运用CitcSpacc 科学计量工具开展“突破性创新”定量研究.基于1991—2018年CSSCI 和WoS 数据库中的6 925条数据的计量研究发现：①“突破性创新”的国内研究人员及机构数量较少、结构较松散，而国外研究情况较好；②“突破性创新”多出现于医学、工程学以及自然科学等理工类学科领域，其研究前沿可概括为应用、技术、方法、基础和思想等方面；③“突破性创新”研究热点可凝练为(994—2005年)宏观层面和(2006—2018年)微观层面两方面;®面向能源环境、医药等领域的生化技术创新将是未来“突破性创新”的新兴研究趋势.本文的研究为“突破性创新”领域的后续选题研究提供了数据及理论支持.关键词突破性创新；科学计量;CiteSpace ；知识图谱中图分类号:F124.3文献标志码:A “突破性创新”是根据熊•彼特的“创造性破坏”理论发展而来的，其概念由Chritensen 于2003年在突破性技术的基础上正式提出［1］,指技术、服务、商业模式经过市场或技术、方法的不连续性变化而发生了生产效率的跃进式提升，并引起能够颠覆主流市场印象的革命"7］.有学者认为，突破性创新对原有市场或技术的破坏引导着新市场的开辟，冲击着原有行业的竞争态势，机遇往往在此时随之出现，故突破性创新能够帮助发展中国家和部分企业从根本上撼动其他国家或企业的垄断地位,从而实现经济的腾飞(付玉秀和张洪石，2004)归。

我国高等教育统计研究的前沿热点与发展趋势——基于CNKI文献的可视化知识图谱分析

我国高等教育统计研究的前沿热点与发展趋势基于C N K I 文献的可视化知识图谱分析王晓(成都师范学院党政办公室,四川成都 611130)*摘要:利用C i t e S pa c e 软件,对C N K I 数据库收录的20世纪80年代至今关于高等教育统计的相关文献进行统计分析㊂结果表明:研究文献数量逐渐增多,但实证研究居多㊁研究群体分散;研究主题热点集中在统计指标体系设计㊁统计信息化建设㊁统计问题与对策及统计数据管理等方面;互联网和大数据驱动的高等教育统计改革㊁统计数据质量核查㊁国内外高等教育统计对比研究将成为研究前沿㊂关键词:高等教育统计;知识图谱;可视化分析d o i :10.3969/j.i s s n .2095-5642.2020.12.010中图分类号:G 649.2 文献标志码:A 文章编号:2095-5642(2020)12-0071-09高等教育统计是国家教育统计的组成部分,是高校制定计划政策㊁领导科学管理决策的基础工作,是全面反映高校各项教育事业发展的晴雨表㊂在大数据时代,高等教育统计工作发挥的作用更加充分,也被赋予更高的要求㊂2018年‘教育统计管理规定“的颁布,标志着国家首次以法规的形式对统计工作提出明确要求㊂新形势下,如何让教育统计工作更加优质高效地服务于教育管理决策和社会发展尤为重要㊂高等教育统计自提出以来,学术界涌现出大批优质研究成果,奠定了坚实的研究基础㊂本文拟对高等教育统计研究现状进行系统梳理,厘清研究总体态势和发展趋势,以期为该领域的理论研究和实践操作提供参考㊂一㊁概念界定我国教育统计工作始于1954年,当时由教育部下设机构具体负责全国教育基本信息的统计㊁分析和发布㊂伴随着教育事业体制机制改革,教育统计指标内容不断丰富,程序手段日益规范㊂目前,我国已形成了以教育事业统计和教育经费统计为主体,以各专项统计为补充的中国教育统计体系[1]㊂本文所研究的高等教育统计专指高等教育基层事业统计,是指由教育部发展规划司组织实施的,对各级各类高等学校(机构)基本情况㊁学生情况㊁教职工情况和办学条件四部分数据进行收集㊁整理㊁汇总㊁分析和公布的一项年度统计工作㊂此项工作于每年9月开始,以自上而下逐级布置㊁自下而上逐级汇总的方式开展,统计资料由省级教育行政主管部门审核汇总后统一报送教育部㊂二㊁样本来源与研究工具本文将研究对象限定为国内高等教育事业统计研究,选取C N K I 数据库收录的全部期刊作为数据来源,17*收稿日期:2020-07-21作者简介:王晓(1993 ),女,四川达州人,助教,硕士,研究方向:高等教育管理㊂成都师范学院学报2020年12月以高等教育统计高校教育统计高等教育事业统计作为检索主题,检索时间截至2020年2月23日㊂人工筛选剔除无效文献后,选取162篇文献作为研究样本㊂运用可视化软件C i t e S p a c e进行数据处理,绘制高等教育统计研究主要研究力量㊁关键词共现㊁主题词突现㊁时区分布等知识图谱,并深入研读文献进一步分析总结我国高等教育事业统计的研究热点和前沿趋势㊂三、高等教育统计研究总体态势(一)文献时间分布纵观发文数量变化(见图1),可以了解高等教育统计研究的演变过程㊂总体而言,有关高等教育统计的研究文献数量呈现波动起伏的趋势㊂20世纪80年代初期首次出现关于高等教育统计的研究,2005年以前文献数量均在5篇以下,2008年达到第一个高峰,此后出现了断崖式下跌 ,2011年以后又逐渐备受重视,直至2018年发文共计82篇,2019年一年就达到23篇㊂图11980-2020年高等教育统计研究发文量年度分布曲线图笔者认为,发文数量的起伏变化与我国对教育统计的高度重视㊁教育统计政策规定的颁布及高等教育发展的环境形势密切相关㊂1986年发布的‘教育统计工作暂行规定“标志着以部门规范性文件规范引导教育统计工作㊂20世纪末期的高校扩招,导致原有的统计指标体系已经不能适应高等教育发展新形势㊂2004年,教育部印发‘普通高等学校基本办学条件指标“,进一步明确普通高等学校本科教学工作评估指标体系,引导上级部门和高校自身对办学水平和教育质量做出更加科学客观的评价㊂2018年相继颁布‘防范和惩治统计造假弄虚作假督察工作规定“‘教育统计管理规定“,重申依法依规做好教育统计的重大意义,教育统计工作法治化建设迈上了新台阶㊂大数据时代的到来对充分发挥数据挖掘技术在高等教育统计数据中的作用提出了新的挑战和要求㊂如何从智能化㊁个性化等方面为高校的有效决策㊁科学管理提供智慧型信息服务,引发了诸多学者和教育统计工作者的思考㊂(二)主要研究力量分布1.作者分析对作者的发文量进行统计分析,可以了解高等教育统计研究领域中的核心作者群体㊂表1是发表论文产量排名前10的作者㊂就文献研究机构的统计结果来看,从事高等教育统计研究的多是高校一线教育统计工作人员,也有少数教育主管部门相关人员开展的本土研究,如辽宁省教育厅教育信息中心丁特关于辽宁省27第36卷(总第334期)王晓:我国高等教育统计研究的前沿热点与发展趋势高等教育事业统计队伍的现状分析㊂负责统计工作具体事务的多为非专职专业人员,未接受专业理论培养培训,这可能导致对教育统计工作的理论思考较少㊁实践探索较多㊂表高等教育统计研究排名前的发文作者利用C i t e S p a c e软件对作者进行共现分析,可以展现作者间的合作情况㊂图2是高等教育统计研究发文作者的合作网络图谱㊂结果显示,网络密度为0.0042,仅有少数作者有一定合作关系㊂比如徐云庆和张维康2人为同一单位,在20世纪90年代合作完成了关于高等教育统计改革的3篇文献;以张铭㊁朱华武㊁袁光敏㊁张彩虹㊁蒋科为中心的团队研究了教育统计信息在高等教育宏观和微观管理中的价值及利用情况,以张铭㊁陈冬林为中心的团队完成了‘构建高等教育统计综合指标体系的设想“一文㊂图2高等教育统计研究作者合作网络图谱2.研究机构分析高等教育统计的研究机构网络图谱(见图3)显示,自2000年以来,黑龙江旅游职业技术学院㊁辽宁工业大学图书馆㊁云南民族大学成果最多,其次是南京航空航天大学㊁哈尔滨理工大学等高校㊂就合作关系而言,除了以华东师范大学为中心㊁以新疆医科大学为中心㊁以厦门大学为中心的研究团队外,其他研究机构分布相对零散,合作关系不太紧密㊂37成都师范学院学报2020年12月图3高等教育统计研究机构网络图谱(三)主题分析关键词是文章主题高度概括的结晶,关键词的频次和中心度大小在一定程度上反映着该领域的研究主题及其影响度㊂综合表2和图4可知,除了高等教育统计外, 教育统计高校对策大数据指标体系统计数据等都是高频关键词,中心度也相对较高㊂尤其是进入21世纪以来, 高校管理大数据等成为研究的热点问题㊂表高等教育统计研究高频关键词统计47第36卷(总第334期)王晓:我国高等教育统计研究的前沿热点与发展趋势图4高等教育统计研究关键词共现知识图谱四、高等教育统计研究热点与前沿(一)研究热点研究热点是某个研究领域的一组文章所共同聚焦的话题或主题,通常会在一定时间内高频出现并产生内部链接关系㊂为进一步了解高等教育统计研究热点,在共现分析基础上绘制了关键词聚类共现图谱(见图5)㊂根据关键词知识图谱聚类分析的结果,结合文献进行深入分析发现:高等教育统计研究以高等教育统计㊁高校管理㊁统计指标为核心,多方发散,主要包括高校图书馆㊁信息化建设㊁大数据㊁高等教育统计质量㊁高等教育统计问题及对策等内容,具体表现为以下几个方面㊂1.关于高等教育统计指标体系的研究科学的高等教育统计是真实㊁客观反映高校综合办学状况和高等教育整体发展态势的重要前提,这有赖于合理完善的统计指标体系㊂指标体系是否清晰完整,指标内容是否科学合理,决定着国家高等教育统计预期目标的实现程度和高校整体发展水平的体现程度㊂2002年,教育部提出了涵盖学年㊁学校㊁学生㊁教职工㊁资产与校舍五大部分的高等教育年度统计指标体系,比较客观地反映了高等教育发展的规模㊁内容和结构,但仍不能适应形势的变化㊂随着高等教育体制机制的深化改革,调整不切实际的指标,设置更加合理的指标,制定一套真正适合高校发展规律㊁系统反映高校发展水平㊁合理指引高校发展方向的指标体系和调查报表尤为必要㊂有研究者就指出,现行的指标内涵不全面㊁不清晰㊁不切实际,指标统计时点欠周全㊂还有研究者就部分专项指标存在的不足进行了阐述,比如刘振义等人关于高等教育统计中图书统计问题的考量㊁梁娉婷关于高校师资和学生指标设置的思考㊂顾健还对美国教育统计中心的图书馆数据统计展开调查,借鉴反思我国大学图书馆调查存在的不足㊂2.关于高等教育统计信息化建设的研究无论从统计流程规范高效还是数据价值挖掘运用,大数据给高等教育统计工作信息化的改革创新提供了诸多机遇和无限挑战㊂借鉴西方国家教育数据获取和利用的体制机制,对于我国教育管理信息化建设具有重要意义㊂诸多研究者重点探讨了国外教育统计信息管理的组织机构㊂吴旻瑜等人介绍了美国国家教育统计中心的历史沿革㊁组织机构和相关运作情况,张艳丽的研究也涉及这些方面㊂李斌对美国国家教育统计中心的机构体制㊁统计模式㊁指标体系的介绍,展现了国外教育统计机构的发展情况㊂还有研究者专门研究国外的教育数据系统建设,如王兴宇对美国高等教育综合数据系统数据来源㊁数据采集和数据利用等运行机制要素的分析介绍,从顶层设计㊁技术引进㊁分析应用和文化培育等方面提供借鉴㊂周爱苹㊁王霞等人则对我国高校教育统计信息化平台建设的问题㊁对策及未来发展方向作了阐述㊂彭雪涛从高校教育统计的现状与57成都师范学院学报2020年12月存在的问题为切入点,分析教育统计面临的技术大环境,探讨了美国院校研究中的智能技术,总结了我国高等教育统计在观念意识㊁管理合力㊁专业队伍和技术保障等方面的发展趋势㊂张瑜等人探讨了大数据在教育领域的发展现状和在教育统计中的应用现状,提出了有序开放教育统计数据㊁加快构建教育大数据平台㊁高效推动教育信息化与教育大数据的有机衔接和大力加强统计队伍建设的发展愿景㊂还有研究者用大数据的模式对数据孤岛现象作了深入思考㊂3.关于高等教育统计问题及对策的研究高等教育统计是反映高校发展状况的听诊器 ,统计工作开展成效如何?预期目标是否实现?遇到了哪些阻碍对现状的了解分析也是研究者极为关注的一大焦点㊂诸多研究者将高等教育统计工作存在的问题归为四个方面:一是统计意识不够主动强烈㊂无论是领导者还是统计工作人员,对待教育统计工作缺乏足够重视㊁主动思考的意识,更多是被动接受㊁按步完成,疲于应付㊁交表了之, 用数据说话的思想并未真正渗透到管理决策中去㊂二是统计制度不够健全完善㊂教育统计作为典型的行业统计缺乏相关的行业法律法规,教育统计工作开展流于形式㊁一片混乱,直至‘教育统计管理规定“等文件的颁布才进一步推动了教育统计法治化建设㊂三是统计队伍不够稳定专业㊂统计工作机构多是相关部门兼职,工作人员身兼数职,人手严重不足㊁业务不够精通㊁培训缺乏持续,统计工作质量确需提升㊂四是资源共享不够及时有效㊂部门各自为政㊁协调不力,数据共享意识不足,既导致指标的口径范围不一,又增加统计的工作量;同时对于所有信息资源的组织管理不善,数据信息化建设比较落后㊂4.关于高等教育统计数据管理的研究王青逯提出, 我国教育事业统计工作每年调查的指标数量之多,范围之广,数据量多达55亿条㊂ [1]如何在海量数据中有效识别数据质量并得以充分运用,真正将高质量的数据变成科学决策和高效管理的参考依据这是大数据时代教育统计工作最关键的一环㊂有研究者提出建立经常性统计数据质量核查制度,不断提升统计数据质量,董锡臣则对教育事业统计数据质量分析与核查工具软件进行了技术分析㊂杨毅等人认为基于高效的采集㊁及时的转化,方可提升对统计数据的使用效益㊂余亚辉等人通过对比国内外情况,分析数据挖掘技术在我国高等教育统计中的运用现状㊂关于高等教育统计数据的使用,杨钢跃㊁杨小华㊁李丹丹等人的研究介绍了高等教育统计与教学评估的关系,戴世英㊁蔡品等人则重点分析了高等教育统计在高校教育教学管理中的应用情况㊂李文文针对目前高校教育统计存在的问题,找到提升教育统计数据质量和价值的路径㊂图5高等教育统计关键词聚类共现图谱67第36卷(总第334期)王晓:我国高等教育统计研究的前沿热点与发展趋势(二)研究趋势分析某一研究领域的学术前沿可以通过关键词突现图谱与时区分布图进行分析㊂为了解我国高等教育统计研究的热点及在不同时期的变化,在C i t e s p a c e关键词聚类共现分析基础上,进一步绘制我国高等教育统计关键词突现图谱(见图6)和时区分布图(见图7)㊂图6高等教育统计研究排名前10的关键词突现图谱图7高等教育统计研究关键词时区分布图根据关键词突现图谱和时区分布图,深入阅读文献,总结得出我国高等教育事业统计研究演进趋势分为三个阶段㊂1.以构建指标体系为导向的探索期20世纪80年代至21世纪初期,高等教育事业统计处于起步阶段,科学㊁系统㊁客观的统计指标体系是77成都师范学院学报2020年12月全面了解掌握高等教育发展整体状况的载体㊂1996年颁布了‘核定普通高等学校招生规模办学条件“‘ 红㊁黄牌高等学校办学条件标准“,2004年对其修订后颁布‘普通高等学校基本办学条件指标“和‘监测办学条件指标“㊂围绕这一政策文件,诸多学者关注了高等教育统计指标体系调整的理论研究㊁高等教育评估背景下的统计指标体系实证研究㊁高等教育事业办学条件统计指标研究等内容㊂2.以服务教育管理为导向的成熟期高等教育事业统计工作是国家教育行政部门的一项例行公事 ,更是学校综合评价㊁科学规划和民主管理的基础工作㊂在相对完善的统计指标体系基础上收集海量数据,但如何将这些数据转化为有效信息? 2008年起,部分研究者关注了这一问题,多聚焦于高等教育统计在教学评估㊁人才培养水平评估㊁高职院校管理等领域的广泛运用㊂3.以转变统计模式为导向的创新期2015年,我国首次提出实施国家大数据战略 ;2016年, 十三五规划进一步细化战略目标和任务; 2017年,十九大报告提出推动互联网㊁大数据㊁人工智能和实体经济深度融合㊂无论是统计内容完善㊁统计手段更新㊁统计平台建设还是统计结果运用等,大数据时代的到来都对教育统计的改革与创新提出了新的要求和挑战㊂这一时期,研究者重点关注了高等教育事业统计数据挖掘与分析㊁高等教育统计信息化㊁互联网+ 时代教育统计工作创新开展的路径等方面㊂五、研究结论随着互联网㊁云计算㊁人工智能等信息技术的飞速发展和广泛应用,高等教育也迎来了信息的大爆炸时代㊂对海量教育统计数据的充分挖掘和运用,成为诸多高校制定政策规划㊁评估发展绩效㊁加强自身建设的重要源头㊂本文运用C i t e S p a c e软件对1980-2020年期间我国高等教育事业统计相关研究进行了梳理㊂第一,研究数量上,我国高等教育事业统计愈来愈受关注,研究成果数量呈波动起伏,但总体态势良好㊂尤其是在2005年以后(除2008年外),相关研究数量持续增长,这与国家政策法规的健全完善和各级教育行政部门及高等学校的高度重视息息相关㊂研究成果数量有一定程度增加,但明显存在不足㊂从样本来源看,绝大多数文献都发表在普通刊物,权威核心刊物成果较少㊂因此,要进一步加大高等教育统计研究力度,不断提升研究成果层次㊂第二,研究方式上,诸多文献是经验交流,探讨了高等教育统计实践工作中存在的问题㊂对研究力量的分析结果显示研究者身份多为高校一线兼职统计工作人员,这意味着高等教育统计研究的经验之谈仍占多数,来自专家学者的理论探讨相对较少㊂研究力量分布相对分散,机构之间的合作和联系较少,导致研究成果比较零散,不利于开展深度研究㊂高等教育统计要进一步强化理论研究,为教育统计工作的科学规范开展提供强有力的理论支撑;要加强学术团体建设,形成研究合力,产出更多高水平创新性的研究成果㊂第三,研究主题上,已有研究主题聚焦在统计指标体系设计㊁统计信息化建设㊁统计问题及对策以及统计数据管理等4个方面,涵盖面较广㊂自高等教育统计提出至今,已有研究者从数据的收集㊁分析到运用做了大量的探讨㊂有文献关注了国外教育统计体制机制的宝贵经验,为我国教育统计信息化建设提供借鉴㊂也有研究者着眼于信息化时代教育统计模式的创新㊂实际上,教育现代化给教育统计的现代化带来了重大机遇,精准统计成为教育统计的必然追求㊂要继续关注互联网和大数据驱动的高等教育统计改革,聚焦高等教育统计数据质量核查,强化国内外高等教育统计对比研究,取他山之石,攻自身之玉,为高等教育统计服务于管理决策提重供科学的参考㊂87第36卷(总第334期)王晓:我国高等教育统计研究的前沿热点与发展趋势参考文献:[1]王青逯.健全教育统计职能,服务教育科学发展[J].现代教育科学,2008(6):22-25.[2]刘琪,方振邦.美国大学统计服务决策工作简析以斯坦福大学为例[J].中国高等教育,2019(8):62-64.[3]李益平,周荣荣.说说大数据时代的高等教育统计工作[J].中国统计,2018(10):13-15.[4]李文文.提高高等教育事业统计数据质量及价值的路径[J].大学教育,2018(4):41-43.[5]钟玮.我国高等教育统计工作改革与创新研究[J].统计与管理,2014(1):40-41.[6]张振助.国际教育指标及统计的比较与借鉴[J].复旦教育论坛,2009(5):50-55.R e s e a r c hF r o n tH o t s p o t s a n dT r e n d s o fH i g h e rE d u c a t i o nS t a t i s t i c s i nC h i n a:AV i s u a l i z e dK n o w l e d g eG r a p hA n a l y s i sB a s e do nC N K IL i t e r a t u r eWA N G X i a o(G e n e r a lA d m i n i s t r a t i o nO f f i c e,C h e n g d uN o r m a lU n i v e r s i t y,C h e n g d u,S i c h u a n611130,C h i n a) A b s t r a c t:As t a t i s t i c a l a n a l y s i sw a s m a d eo f t h ea c a d e m i c p a p e r s i nC N K Id a t a b a s es i n c et h e1980s w i t hh i g h e r e d u c a t i o n s t a t i s t i c a s t h e s u b j e c t b y t h e u s e o f C i t e s p a c e.T h e r e s u l t s s h o wt h a t t h e n u m b e r o f r e s e a r c h i s o n t h e i n c r e a s ew i t hm o r e e m p i r i c a l r e s e a r c h a n dw i d e l y d i s p e r s e d g r o u p s,a n d t h e r e s e a r c h f o-c u s i sm a i n l y o ns t a t i s t i c a l i n d e xs y s t e m,i n f o r m a t i o nc o n s t r u c t i o n,t h e p r o b l e m sa n dc o u n t e r m e a s u r e s, a n dd a t am a n a g e m e n t.I n t h e f u t u r e,t h e r e f o r mo f h i g h e r e d u c a t i o n s t a t i s t i c s d r i v e nb y I n t e r n e t o r b i g d a-t a,d a t a q u a l i t y v e r i f i c a t i o n,a n d c o n t r a s t i v e r e s e a r c ha t h o m e a n d a b r o a dw i l l b e t h e r e s e a r c h f r o n t.K e y w o r d s:h i g h e r e d u c a t i o ns t a t i s t i c s;k n o w l e d g e g r a p h;v i s u a l i z e d a n a l y s i s(编辑:赵华校对:罗布)97。

知识图谱在智能制造领域的研究现状及其应用前景综述

知识图谱在智能制造领域的研究现状及其应用前景综述一、本文概述随着信息技术的飞速发展，智能制造已成为推动工业0时代到来的重要驱动力。

知识图谱作为一种能够系统性地组织和表达大量复杂知识的新型工具，其在智能制造领域的应用逐渐显现出其独特的价值和潜力。

本文旨在综述知识图谱在智能制造领域的研究现状，分析其在实际应用中的挑战和机遇，并展望其未来的发展前景。

文章首先对知识图谱的基本概念、构建方法及其在智能制造中的应用场景进行介绍，然后重点分析当前知识图谱在智能制造领域的研究热点和难点，包括知识获取、知识表示、知识推理等方面。

文章将探讨知识图谱在智能制造领域的发展趋势，以及未来可能带来的技术革新和产业变革。

二、知识图谱的基本原理与技术知识图谱是一种用于表示和存储大规模结构化知识的图形化数据结构，它以图的形式描述现实世界中的概念、实体以及它们之间的关系。

知识图谱的基本原理主要基于图论和语义网络，通过节点和边的形式来表示实体和实体间的关系，进而构建出复杂的知识网络。

在技术层面，知识图谱的构建主要包括实体识别、关系抽取、实体链接和知识推理等关键步骤。

实体识别旨在从非结构化文本数据中识别出具有实际意义的名词短语，如人名、地名、组织机构名等，并将其映射到知识图谱中的对应节点。

关系抽取则是从文本中抽取出实体之间的关系，并将这些关系以边的形式添加到知识图谱中。

实体链接则是将文本中的实体名称链接到知识图谱中对应的实体节点，以确保知识的准确性和一致性。

知识推理则利用逻辑推理、概率推理等方法，从已有的知识中推导出新的知识，从而不断丰富和完善知识图谱。

在智能制造领域，知识图谱的应用主要体现在以下几个方面：产品知识表示、生产过程优化、故障预测与维护以及智能决策支持。

通过构建产品知识图谱，可以实现对产品设计、制造、使用等全生命周期的知识表示和管理，为产品的优化和创新提供数据支持。

知识图谱还可以用于生产过程的优化，通过分析生产过程中的各种数据和关系，实现生产资源的优化配置和生产流程的优化调整。

基于“课程思政+知识图谱”的材料专业高质量课程建设探索与实践

基于“课程思政+知识图谱”的材料专业高质量课程建设探索与实践作者：卢艳丽王洪强高峰叶奇来源：《高教学刊》2024年第20期摘要：该研究基于国家级一流本科课程、全国工程专业硕士学位研究生教育在线课程建设项目，和西北工业大学“课程思政”示范课程建设项目以及知识图谱，面向材料专业学生，针对航空航天用高性能金属材料课程，教学过程中的课程思政进行探索与实践，有望从基于知识图谱的新形态课程内容建设、思政内容的挖掘、教学模式和考核方式等几方面，为探索“课程思政+知识图谱”在高等学校工科类材料专业课程中的实现途径提供理论参考。

关键词：一流课程；课程思政；知识图谱；材料科学与工程专业；探索与实践中图分类号：G642 文献标志码：A 文章编号：2096-000X（2024）20-0038-04Abstract： Based on the national first-class undergraduate courses， the national engineering master's degree online course construction project， the "Curriculum Thinking and Politics" demonstration course construction project of Northwestern Polytechnical University and the Knowledge map， this study explores and practices the curriculum thinking and politics in the teaching process of high-performance metal materials for aerospace for students majoring in materials. It is expected to provide theoretical reference for exploring the realization way of "curriculum ideology and politics + knowledge graph" in engineering material courses in colleges and universities from the aspects of new form of curriculum content construction， ideological and political content mining， teaching mode and assessment method.Keywords： first-class; curriculum ideological and political education; knowledge graph; materials science and engineering; exploration and practice立德樹人是我国高等学校人才培养的根本任务[1]。

《基于知识图谱的小学数学错题管理研究与应用》开题报告

《基于知识图谱的小学数学错题管理研究与应用》开题报告一、课题提出的背景1.信息技术领域方面随着信息可视化等技术的不断进步，科学知识图谱的研究逐渐兴起。

知识图谱已可以对知识进行查找、匹配、获取等，还具有可视化特性，因此知识图谱在图书情报学领域、管理学领域以及教育学等领域也得到了一定的应用和发展。

知识图谱以图谱化的表达形式对数据信息和知识进行有效地组织和深入地挖掘，并较为直观形象的展示各个科学知识点之间的关联以及结构。

2.数学哲学方面错误哲学意义是指与客观实际不相符合的认识，错误与真理构成认识过程中的一对矛盾。

它们的对立既是绝对的又是相对的，并在一定条件下相互转化。

人们认识的任务在于把握真理，但人们对真理的把握有时是在一系列相对的错误中实现的，只要正确地总结经验和教训，错误就往往是走向真理的先导。

3.实际情况方面由于小学数学知识的学习内容是抽象性与形象性的结合，学习过程是系统性和渐进性的结合，学习方式是探索性和接受性的结合等特点，小学生又受生理、心理特征及认知水平的限制，出错是不可避免的。

但是面对错题，如果学生予以“置之不理”或者只是在教师的“逼迫”下订正，变成执行任务的“机器人”，那下次出现类似的题时会出现“似曾相识，相见恨晚”的感觉。

部分学生面对错题，产生积极应对的动机效应，主动剖析错误原因，及时矫正补救，弥补自己的知识缺陷，便出现了“错题管理”的现象。

对错题进行管理时，要进行错因分析、解题思路分析、知识点总结、变式整理等，如果每一题都这样写，一定程度上会提高学习成绩，但是题是做不完的，错题也会经常出现，久而久之错题本就成为错题的“堆积场”，那怎样能降低做题错误率？怎样能会一道题变成会一类题？怎样管理错题才是最简洁、最全面、最高效的呢？4.教育管理方面在“双减”背景下，根据“五项管理”的相关文件精神，学生的错题是属于作业的一部分，对错题进行有效管理，其实在一定程度上就是对作业的管理，切合学生实际的错题管理作为一种高效的自主学习方式，不仅有利于促进学生的数学学习、巩固所学、查漏补缺，更利于促进学生数学学习能力、自我管理能力等诸多能力方面的发展。

基于工程教育认证的操作系统课程知识图谱构建研究

力联系起来"成为我们教学设计中重点关注的内容# 通过对操作系统课程中的知识点进行归纳$总结与分
析"沿着能力培养这根主线"知识点支撑了问题的提出$问题的分解与问题的解决三个层次"通过知识的支撑"引导学生在理解$分析$分解与解决问题的过程中"达到了课程目标中培养能力的这个要求# 如图 $ 所示"问题层是整个层次中承上启下的核心层"其中知识点是其中重要的黏合剂"支撑着问题从提出到解决的全流程#
程能将计算机的工作原理由内而外地串接起来# 同时"操作系统作为一个大型系统软件"学习操作系统的原理对学生今后设计大型应用程序有很大的帮助"一方面能够通过合理分析大型软件设计中的相互制约关系"高效解决设计中并发$并行带来的资源管理问题+ 另一方面能够通过科学分析制约程序运行性能的关键因素' [7a$内存$外设( " 提高代码的运行效率# 例如"浏览器的开发"单进程浏览器面对响应速度$ 鲁棒性$ 安全性方面的挑战" 而多进程 ' 线程( 浏览器如何提高性能"在编程时多进程又是如何进行相互合作完成任务的"这些背后用到的都是操作系统中的知识与原理# 因此"在操作系统教学过程中"将知识的传授与能力$素质的培养衔接起来" 同时将学生学习结果反馈到相应知识传授环节就显得尤其重要#
在以往的教学过程中"课程的教是以教师在课堂上按照材料章节讲解概念与原理为主"部分学生对课程学习目标的定位是用考试成绩衡量"在考试环节中体现出对知识前后关联较弱"不但课程与课程之间存在知识壁垒"章节之间也存在知识壁垒"造成学习效果不佳+在后续实践环节中没有将操作系统理论应用于项目的意识"只是关注于项目开发语言本身与单个功能$单个应用程序"而未考虑多道程序设计技术环境下"应用程序设计的复杂性与影响性能等的因素"这就造成了这部分的学生表面上看成绩是合格的"但实际上能力还是存在欠缺" 这与工程教育认证中毕业要求不相符#

知识图谱在云南省高层次科技人才工作中的应用探析

知识图谱在云南省高层次科技人才工作中的应用探析
周正;李常有;张剑波;代飞;黄苾;孙吉红;钱晔
【期刊名称】《产业科技创新》
【年(卷),期】2021(3)4
【摘要】在云南省“万人计划”等人才引进培养计划以及“科技入滇”等创新机制的支持下,云南省高层次科技人才工作成效显著,积累了大量的科技信息数据。

本文分析了将知识图谱技术引入云南省高层次科技人才工作中的可行性,重点探讨了知识图谱技术在云南省高层次科技人才工作中的应用。

【总页数】3页(P36-38)
【作者】周正;李常有;张剑波;代飞;黄苾;孙吉红;钱晔
【作者单位】云南省科学技术院;云南农业大学大数据学院(信息工程学院);西南林业大学大数据与智能工程学院
【正文语种】中文
【中图分类】F279.23
【相关文献】
1.从知识管理的角度探析思维导图在现代教学中应用
2.科学知识图谱在体育科学研究中的应用探析
3.研制“警花”牌交通事故勘查图模板及在实际工作中应用探析
4.科学知识图谱在学科知识服务的应用探析
5.图计算与知识图谱在配电网中的应用
因版权原因，仅展示原文概要，查看原文内容请购买。