数据科学任职要求挖掘下的情报学教育及人才培养 |
| |
引用本文: | 梁媛,彭秋茹,王东波,宋天睿.数据科学任职要求挖掘下的情报学教育及人才培养[J].情报理论与实践,2021(2):8-15,25. |
| |
作者姓名: | 梁媛 彭秋茹 王东波 宋天睿 |
| |
作者单位: | 南京农业大学信息管理学院;江苏省数据工程与知识服务重点实验室 |
| |
基金项目: | 国家社会科学基金项目“加快构建中国特色哲学社会科学学科体系、学术体系、话语体系”研究专项项目的成果,项目编号:19VXK09。 |
| |
摘 要: | 目的/意义]基于数据科学与情报学领域的密切联系,对数据科学任职要求知识进行深入挖掘,有利于掌握社会对于情报学相关领域人才的需求,从而完善情报学教育的培养方案,帮助实现社会需求与高校教育的良好对接。方法/过程]文章采集了国内主流招聘网站中数据科学相关工作岗位的招聘信息,并对数据进行解析、去重等清洗工作,对招聘信息中的任职要求实体进行人工标注,比较了LSTM,BiLSTM-CRF和BERT三种深度学习模型应用于实体识别的效果。结果/结论]结果表明,BiLSTM-CRF模型对任职要求实体的识别效果最好,相较于其他两种深度学习模型具有一定的优势。文章根据抽取出的任职要求实体从实践能力、学历要求、脚本语言、数据处理、综合素质等方面总结了目前情报学人才应当具备的技能和素质,并由此提出了针对情报学教育的人才培养方案。
|
关 键 词: | 数据科学 情报学 情报学教育 任职要求 知识挖掘 深度学习 命名实体识别 招聘信息 情报人才培养 |
Information Science Education and Training Talents under the Job Requirements Knowledge Mining |
| |
Abstract: | |
| |
Keywords: | data science information science information science education job requirements knowledge mining deep learning named entity recognition recruitment information information personnel training |
本文献已被 维普 等数据库收录! |
|