首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  国内免费   1篇
  完全免费   4篇
  信息传播   7篇
  2018年   1篇
  2017年   1篇
  2016年   2篇
  2013年   3篇
排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
数字人文的技术体系与理论结构探讨   总被引:1,自引:1,他引:0  
数据驱动的研究范式正在人文学科中越来越多地被采用,其在方法论层面呈现出明显的跨学科性和跨界融合现象,被称为数字人文的方法共同体。该共同体由一整套数字人文的技术体系所支撑,正在影响形成中的数字人文的理论结构。数字人文的技术体系主要包括数字化技术、数据管理技术和数据分析技术、可视化技术、VR/AR技术、机器学习技术等,理论结构涉及结构化或再造人文、数据化或计算人文、可视化或形象人文、拟实化或增强人文、智慧化或扩展人文,应用覆盖资源富集、知识重构、场景重建、增强艺术等。目前,在宏观层面对数字人文整体方法论和理论结构的研究还不多见,这方面的深入探讨将有助于数字人文的整体性发展,并促进跨领域的研究,从而增进数字时代人文学科的繁荣和发展。图1。表2。参考文献22。  相似文献
2.
国外数据管理专业教育实践与研究现状   总被引:1,自引:1,他引:0       下载免费PDF全文
数据管理教育是图书情报学的重要研究领域,本文通过网络调查和案例分析,考查国外数据管理教育认证项目、数据管理课程设置、数据管理继续教育、数据管理教育研究课题基本情况和特点。研究发现:①数据管理专业教育呈现多元化特征,由图书情报学院专业教育和职业继续教育构成;②课程设置凸显数据管理专业特色,与图书情报课程有机衔接;③数据管理专业教育的发展具有实践性和应用性;④数据管理教育研究与实践双向互动,课题研究推进数据管理教育的实践发展。表4。参考文献61。  相似文献
3.
首先探讨大数据科学(Big Data Science)给现代和未来科研数据基础设施(SDI)带来的挑战,并参考不 同科研团体的工作对数据管理、访问控制和安全要求进行定义,然后介绍科研数据生命周期管理(SDLM)模型,分析 所有的主要阶段,反映现代e-Science的数据管理特性,提出SDI 通用架构模型,为利用现代技术和最佳实践构建以互 用性数据或项目为中心的SDI 奠定了基础,最后对如何利用基于云的现代基础设施服务配置模型顺利实现文中提出的 SDLM和SDI 模型进行阐述,解决SDI 资源的联合访问控制问题,为科研团体提供了一种灵活的访问控制和身份管理模 型。  相似文献
4.
本文简要回顾情报学的历史,从科学研究的4个范式引入,描述了情报工作与大数据、云服务的关联。在简要总结大数据、云计算、云服务特征及发展趋势后,归纳总结了情报工作面临的挑战与机遇,结合WorldCat、CALIS、NSTL案例,给出了情报工作在发展方向上的思考。  相似文献
5.
大数据技术不仅在商业领域应用巨大,而且在公共管理领域也大有可为。科普事业作为提升全民科学素质 的重要领域,研究利用大数据为科普工作服务有深远的意义。文章从分析大数据技术为社会带来的发展机遇入手,梳理 了我国目前科普发展现状存在问题和“十三五”时期我国科普工作的新形势,探讨了新时期如何借助大数据技术,以提 升我国科普工作  相似文献
6.
材料科学数据共享网是国家科技部科技基础条件平台建设项目,旨在整合我国材料领域的数据资源,建立 满足国家不同需求的材料科学数据体系和材料科学数据共享服务平台。本文主要阐述材料科学数据共享网项目取得的 成果以及材料数据作为加快新材料的研发、降低材料成本的三大关键技术之一,在材料数据科学这一新学科的提出以 及支撑虚拟材料设计生产线的建设等方面的应用。  相似文献
7.
The rise of data-driven research and discovery may be one of the greatest strategic opportunities to confront academic libraries in a generation. The argument advanced in this article is that the data science opportunity is about data curation AND data analysis. Thus the development of a holistic data science strategy ought to include both elements. Up until now, academic libraries have largely responded to the data science opportunity from a curatorial and archiving perspective. However, this is beginning to change. The case for crafting a holistic data science strategy is presented in six parts in this article. In part one, a broad overview of the data science opportunity is presented, followed by a definition of data analysis and data curation in part two. The traditional academic library response (curation) and a reframing of it to include data analysis are then presented in two separate parts. And finally, part five reports findings from a recent survey conducted at the University of Florida (UF) which indicates robust demand for training in analytical tools and technologies. The article concludes with some thoughts on the challenges of offering data analysis services, using the UF experience to highlight key issues.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号