大数据背景下图书情报学科人才培养模式研究——以GSLIS和SILS为例     

徐艳 《现代情报》2016,36(10):123

本文结合大数据时代背景下对图书情报人才提出的新要求,从培养目标、教育理念、课程设置等方面入手,运用对比分析的方法,分析研究了伊利诺伊大学图书馆和信息科学研究生院（GSLIS）与北卡罗来那大学信息与图书馆学学院（SILS）两所世界顶尖图情学科院校的图书情报人才培养模式,并以此为基础,提出对我国图书情报人才培养的相关启示。通过分析GSLIS与SILS在思维观念、课程设置和教学实践等方面的优点,对国内图书情报高水平人才培养课程体系的优化以及人才培养模式的改革具有借鉴和参考价值。  相似文献   

网络信息化时代——教育与企业的信息化     

李牟春 《黑龙江科技信息》2004,(9):92-92

随着社会的不断发展，信息科学和信息技术呈现飞速发展的趋势。人们对它的关注程度也日益增加。信息技术的广泛应用，促进了社会生产力的飞速发展，引起了社会生活的深刻变化，使人类进入信息社会。  相似文献   

信息学教育的系统化与整体化     

孙宣银  桑良至 《情报杂志》1996,15(6):60-61

面对汹涌而来的信息潮,信息教育的方针、任务是什么?信息科学的内涵是什么?信息教育的格局应怎样摆开?本文针对这一系列的问题作了全面而深入的研究,提出了系统全面的信息学教育的思想。  相似文献   

"数象信息科学"和当前研究课题   总被引：4，自引：1，他引：4  

曾民族 《情报理论与实践》1998,21(2):65-67,89

1情报学是发展的科学 情报学或信息管理科学,渊源于图书馆学,即人类社会历来研究、管理和利用信息内容的科学.  相似文献   

网络视频会议在2003年度信息科学部科学基金评审中得到成功应用     

吴国政肖人毅  刘志勇孟太生 《中国科学基金》2004,18(2):76-76

国家自然科学基金委员会信息科学部于2003年8月3日召开了国家杰出青年科学基金申请项目和创新研究群体申请项目评审会，会期3天。  相似文献   

第十届“中国青年女科学家奖”揭晓     

《中国科技信息》2014,(1)

正此次获奖的10位青年女科学家是:中国科学院物理研究所研究员杜世萱、南京大学生命分析化学国家重点实验室教授徐静娟、北京大学物理学院大气与海洋科学系研究员孟智勇、复旦大学信息科学与工程学院专用集成电路与系统国家重点实验室教授曾璇、复旦大学上海医学院教授雷群英、北  相似文献   

数字化语境下图书馆与信息科学中的知识理论分析     

王琳 《情报杂志》2014,(10)

对图书馆与信息科学中的知识理论进行了界定,分析了该理论研究当前存在的问题,包括元理论研究较少,缺乏统一的知识理论体系和理论集成,未形成适应数字化时代学科发展需要的知识理论体系。从图书馆与信息科学的学科交叉性、分支理论的凝聚、情报实践的拓展深化与规范、物理空间与信息空间的和谐发展等方面论述了知识理论的学科价值和启示。  相似文献   

地方高校信息与计算科学专业学生创新与实践能力培养的研究与探索     

杨利华等 《内江科技》2014,(5):137+148

<正>本文阐述了地方高校信息与计算科学专业从制定教学计划、结合教学改革、利用实验室开放和第二课堂、狠抓实践教学环节和改革考核机制等方面来提高该专业学生的实践与创新能力,从而为地方高校培养更多创新实践型人才。目前地方高校的在校学生占全国总数的绝大部分,也就是说地方高校已经成为我国高等教育的重要组成部分。地方高校承担着为国家为地方培养人才、科技创新、社会服务的职能。在各地方高校中大多设有信息与计算科学专业。该专业是由多门学科(例如:计算机科学、信息科学、计算科学、运筹与控  相似文献   

雁山学人——徐庆生教授     

《楚雄师范学院学报》2015,(1):109

徐庆生(1963——),男,云南省凤庆县人,中共党员,现任楚雄师范学院信息科学与技术学院院长,教授。1991年7月云南大学计算机科学系硕士研究生毕业,分配到楚雄师范高等专科学校(现楚雄师范学院)从事计算机教学工作,1998年12月评聘为副教授职务,2008年12月评聘为教授职务。1992年担任数学系副系主任,1996年担任计算机科学系系主任至  相似文献   

基于LSTM神经网络的学科主题热度预测模型     

霍朝光  霍帆帆  董克 《图书情报知识》2021,(2):25-34

[目的/意义]作为科学学预测的重要组成部分,学科主题热度预测旨在揭示学术前沿和发展趋势,辅助学者发现前沿选题,支持科研管理机构科学立项。[研究设计/方法]提出基于期刊影响因子的学科主题热度计算指标(TP-JIF),构建基于LSTM神经网络的学科主题热度预测模型(TPP-LSTM),并以LIS领域数据为例,通过时间切片的形式抽取、计算学科主题的热度序列,检验不同长度时间序列下模型的各项误差。[结论/发现]相对于RBF-SVM、Linear-SVM、KNN、Naive Bayesian等模型,TPP-LSTM预测模型可有效表征学科主题热度时间序列的特性,当时间序列长度为4年时预测效果相对较好。[创新/价值]提出的基于期刊影响因子的学科主题热度计算指标,能够有效刻画不同学术刊物对学科影响的差异,规避了单纯依据频率计算热度的弊端;构建的学科主题热度预测模型,有效表征了学科主题的时间序列变化规律,减小了各项预测误差,预测效果较好。  相似文献