学习团队协作信息搜索的共享心智模型研究   总被引：1，自引：0，他引：1  

颜端武  张馨月  汤佳丽  苏琼 《图书情报工作》2020,64(8):3-12

[目的/意义] 对协作信息搜索进行深入研究，为专业化协作信息搜索系统平台建设优化等提供启发和借鉴。[方法/过程] 聚焦于学习团队的信息搜索行为，以高校学生为研究样本，以共享心智模型为切入点，采用扎根理论研究方法，探讨协作信息搜索中团队共享心智模型建构过程。[结果/结论] 识别出四大核心环节——个体感知与探索、团队任务解析、团队信息收集和团队信息整合，并理清各环节的认知活动与共享心智模型内容要素。  相似文献   

“健康中国2030”战略下健康数据协同治理体系研究     

周知  胡昌平 《图书情报工作》2021,65(1):102-109

[目的/意义] 提升公民健康水平是经济社会发展到一定程度后的必然要求，健康数据协同治理体系的构建有助于从信息科学角度达成这一要求，治理体系需要以国家战略为宏观指导，全方位服务于公民健康水平提升的总体目标。[方法/过程] 通过对《"健康中国2030"规划纲要》文本精神的领会，在分析了各治理主体对健康信息治理需求的基础上，提出一种面向"健康中国2030"战略的健康数据协同治理体系，并针对关键环节提出保障措施。[结果/结论] 协调各层级、各部门与各利益主体的健康数据治理体系构建与保障，有助于在推动国家健康战略目标的同时实现健康数据的社会价值，拓展健康信息学的研究范畴。  相似文献   

A Corpus-Based Learning Method of Compound Noun Indexing Rules for Korean     

Jee-Hyub Kim  Byung-Kwan Kwak  Seungwoo Lee  Geunbae Lee  Jong-Hyeok Lee 《Information Retrieval》2001,4(2):115-132

In Korean information retrieval, compound nouns play an important role in improving precision in search experiments. There are two major approaches to compound noun indexing in Korean: statistical and linguistic. Each method, however, has its own shortcomings, such as limitations when indexing diverse types of compound nouns, over-generation of compound nouns, and data sparseness in training. In this paper, we propose a corpus-based learning method, which can index diverse types of compound nouns using rules automatically extracted from a large corpus. The automatic learning method is more portable and requires less human effort, although it exhibits a performance level similar to the manual-linguistic approach. We also present a new filtering method to solve the problems of compound noun over-generation and data sparseness.  相似文献   

信息超载综述   总被引：11，自引：1，他引：10  

周玲 《图书情报工作》2001,45(11):33-35

介绍信息超载的含义和历史,分析信息超载的成因,最后提出信息超载的解决方法。  相似文献   

Perspectives on inclusive education: learning from each other     

《Support for Learning》2004,19(3):137-141

Many courses of study are currently available that address inclusive education and, increasingly, distance education is seen as a flexible and appropriately inclusive way to deliver such courses. In this article a team of colleagues, Kieron Sheehy, Jonathan Rix, Melanie Nind and Katy Simmons, discusses the development of an Open University course, E243 Inclusive Education: Learning from Each Other, which was launched in February 2004. The team reflects on their own process of learning from each other and from the rich network of people involved, mirroring some of the course themes in their own journeys. Collaborative learning became a key theme within the course, both as a method for teaching within the ‘inclusive classroom’ and also as the process for producing a course in a contested and challenging area. This experience allowed the team to change and develop their own perspectives on important issues and, it is suggested, allowed the course to include ways in which students could be supported in having the same opportunity.  相似文献   

信息过滤问题的研究   总被引：23，自引：0，他引：23  

梅海燕 《现代图书情报技术》2002,18(2):44-47

随着WWW 的迅猛发展和广泛使用,“信息过载”的问题日趋严重, 信息过滤日益重要。本文论述了信息过滤的意义、信息过滤的理论背景、信息过滤系统的研究, 最后探讨了目前信息过滤存在的问题。  相似文献   

Internet信息检索分析与研究   总被引：7，自引：0，他引：7  

宋玲  马军 《现代图书情报技术》2001,17(1):37-40

综述了目前Internet 网上信息检索的主要方法及存在的问题, 并对其检索技术进行了深入的分析与比较。介绍了机器学习、智能A gent、信息过滤等新技术在信息检索中的应用, 并采用神经网络Hopfield 模型及算法进行词汇扩充来提高用户的检索提问表达, 从而提高了网上信息检索的能力。  相似文献   

基于知识的协同过滤推荐系统研究   总被引：2，自引：2，他引：0  

李珊  何建敏  厉浩 《情报学报》2008,27(3)

传统的基于项目的协同过滤算法,不能很好地解决数据稀疏和新项目问题(冷启动)带来的推荐质量下降的问题.笔者从智能检索的思想出发,提出一种新的基于知识的协同过滤推荐算法.该算法借助于领域本体,表达语义知识,增加了项目之间的关联信息;考虑到领域本体中结点、边、深度和密度对相似性计算的不同影响,算法结合信息论中的互信息相关概念,对相似性计算公式进行改进,提高了运算精度.实验结果表明,该算法相对于传统的基于项目的协同过滤推荐算法而言,可有效缓解由数据集稀疏和冷启动带来的问题,显著提高推荐系统的推荐质量.  相似文献   

基于项目分类预测的协同过滤推荐算法   总被引：3，自引：0，他引：3  

张海鹏  李烈彪  李仙  周亚蜂 《情报学报》2008,27(2):218-223

在电子商务系统中,为了帮助用户有效地发现、过滤和利用信息,信息过滤技术应运而生.协同过滤技术作为其中的一种技术被成功地应用于推荐系统中.随着电子商务用户数目和商品数目的日益增加,整个项目空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对这一不足,提出基于项目分类预测的协同过滤算法,通过对用户评分矩阵中的项目进行相应的分类,缩小邻近搜索的范围,预测项目评分,减少稀疏性,并采用新的相似度计算方法.实验结果表明,该算法能提高个性化推荐算法的准确性.  相似文献   

基于属性值偏好矩阵的协同过滤推荐算法   总被引：7，自引：2，他引：5  

李聪  梁昌勇 《情报学报》2008,27(6)

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性.  相似文献