人工智能與教育培訓
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工智能與教育培訓范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
人工智能與教育培訓范文第1篇
算起來，在線教育的爭奪戰是在三年之前開始的。2013年8月“學而思”網校正式更名為“好未來”，作為最早發力在線教育的一家公司，發展了布局相對完整的中小幼教育專業門戶網站群――e度教育網，該網站由育兒網、幼教網、奧數網、中考網、高考網、留學網等多個網站構成。此后，新東方、學大網等一票傳統教育機構紛紛發力于在線教育。
根據《2015年中國在線教育白皮書》數據顯示，2011到2014年間，中國在線教育市場規模增速均保持在17%以上，最高增速達到21.84%；市場規模從2011年的575億元增至2015年的1171億元，預計到2021年在線教育市場規模將達到2830億元。在線教育用戶突破2億人，在線教育項目數量已經超過3000個。
如今，BAT、網易等互聯網巨頭也爭相跨界進入教育領域……
爭相布局
10月，網易宣布其有道詞典用戶突破6億。這意味著，網易的產品已經可以在在線語言培訓市場占有一席之地。2007年推出有道詞典以來，網易在互聯網巨頭之中率先“誤入”在線教育行業，并逐漸形成有道翻譯官、有道口語大師、網易云課堂等產品矩陣。
語文學習產品――有道語文達人，引進職業教育與通識教育等課程、推出網易云課堂企業版產品等等動作，都說明了網易在在線教育各個細分領域重度垂直、精耕細作的野心。
與此同時，阿里巴巴終于也按捺不住。在10月宣布啟動“星火計劃”，稱未來將會大力扶持生產優質內容的個體老師以及中小型教育機構。比如調用周邊資源，引入專業第三方扶持基金等，以此為中小創業群體提供高效的變現機制。
自去年12月成立教育事業部以來，百度在教育領域的布局正在加快。除了在傳統的教師資源方面，百度推出了專為教師服務的互聯網平臺“百度優課”。百度在線教育的一大特色在于其教育信貸市場。百度CFO李昕曾在Q3財報電話會議上表示，百度要借助人工智能和大數據技術，從教育領域進入互聯網金融。
據百度透露的數據，在教育信貸領域，百度已與超過700家教育培訓機構達成合作，學生通過在線填寫信息，線下和教育機構確定培訓意向，審核通過后，即可獲得“百度有錢花”提供的學費貸款，實現分期交學費。
騰訊坐擁QQ和微信兩大社交平臺，其固有用戶與在線教育針對用戶重合度之高，不容小覷。去年，騰訊將這一優勢應用于教育信息化領域――分別以QQ和微信為基礎推出QQ智慧校園和騰訊智慧校園，為各類學校提供一體化互聯網智慧解決方案，范圍涵蓋學校管理、教務教學、校園生活等方面。扶持優質內容方面，騰訊也不甘落后推出了名師計劃，旨在幫助名師實現知識經濟化，擴大知識生產力與傳播力，同時提供標準化服務與資源扶持。
加之騰訊出手向來大方。今年2月，騰訊3.2億元投資新東方在線，而目前新東方在線申請掛牌已經獲批，將登陸新三板。按照最近一次股票發行的價格來算，新東方網的總市值達到了31.72億元，而騰訊當初的投資金額也由3.2億元升值到了3.9億元，平均每個月賺了1400萬元。
線上線下結合
近年來在線教育的項目雖多，但往往良莠不齊，真正實現盈利的更是少數。
互聯網教育研究院在2015年調查了400家在線教育公司，結果顯示，有70.58%的公司處于虧損狀態，13.24%的公司處于持平狀態，僅有16.18%的公司保持盈利狀態。同時，其報告還指出，由于新進入的項目非常多，而且有一部分項目已經死亡，整體上盈利的在線教育企業預計不超過5%。
在這個資本的“寒冬”，包括老師來了、36號教師、輕舟網等在線教育創業項目，都相繼倒下。一位多年從事在線教育的業內人士向《中國經濟信息》記者分析：“一個項目從開端投入資金到逐步發展，進入盈虧平衡狀態，至少需要3到5年的時間。”作為一個更重視長期發展循環的行業，在線教育前期需要投入大量資金，而后期課程的制作、平臺的維護以及產品的營銷和推廣，都需要團隊極大的耐心和毅力。
隨著在線教育行業的發展，平臺的競爭，已經從最初的野蠻走向有序，從跑馬圈地走向深耕細作，優質的教育內容成為巨頭們的搶奪焦點。還有一些業內人士指出在線教育的一些弊病，例如在線教育APP更多是單向機械灌輸，缺乏線下輔導為學生的知識體系做一個完整的梳理以及打通思維知識上的邏輯關聯。
信天創投合伙人張俊熹對《中國經濟信息》記者分析，線上與線下的結合將會是在線教育接下來發展的趨勢。以留學教育為例，“以前的出國留學只是在國內做一些語言培訓，但是長周期的鏈條并沒有被開發出來，出國后的實習、就業、移民、置業等等，有很多內容可以深入挖掘。”張俊熹說。
盡管在線教育市場前景廣闊，但在創新工場投資總監張麗君的眼里，其實它每個細分領域的市場規模并不大。而且，與其他行業不同，教育行業的內容不能完全規模化復制，往往面對不同的時期和對象，都需要重新做，因此并不容易找到大的市場。
今年在線教育還有一個創新動作就是與AR、VR合力。正如李彥宏多次在公開場合強調的，人工智能是百度核心的核心。人工智能之于百度教育的重要性也不例外。
11月，百度教育“教育云”平臺，宣布百度教育生態將依托人工智能技術，朝著內容化、智能化、個性化方向發展。百度教育事業部總經理張高透露，人工智能在百度教育的布局分成內容的數字化、學習的個性化與交互的擬人化三個部分。不過，業內聲音普遍認為，鑒于教育行業自身的慢熱特點以及技術發展尚在初期等原因，人工智能與教育的融合還需要一個漫長的過程。
人工智能與教育培訓范文第2篇
[關鍵詞] 科學中心；信息化；教育培訓；科學實驗
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 01. 099
[中圖分類號] G322 [文獻標識碼] A [文章編號] 1673 - 0194（2017）01- 0174- 03
0 引 言
“科學中心”是指那些相當于國際上被稱為“科學技術中心” （Science and Technology Center，簡稱“科學中心”） 或以科學中心展示教育方式為主的科技博物館。以美國舊金山“探索館”的建成為標志， 20 世紀 60 年代以后，世界上掀起了科學中心的建設熱潮。到今天，全世界已建成的科學中心已超過2 000 座。
1 科學中心信息化及展教功能建設
在我國，近年來信息化建設已經成為科學中心內容建設的重要組成部分。科學中心信息化建設的總體建設目標是，利用現代信息化技術管理科學中心運營過程中的各個環節，將各種感知技術、現代網絡技術和人工智能與自動化技術等應用在科學中心運營管理、展教和公眾服務等方面。其最高階段即科學中心的各部分都由智慧化的信息系統完成，無需人工干預，科學中心內外人與物、物與物、人與人實現智慧對話的狀態。為實現這個目標，需要在科學中心現有業務管理模式的基礎上，結合長短期的管理規劃，對業務及管理進行梳理、提升和規范后，逐步建設起來。第一步，實現基本業務信息化建設。第二步，實現基礎運營管理信息化建設。第三步，實現展教及公眾服務智能化建設。第四步，實現智慧運營管理建設。其中，最重要的功能和目的就是直接服務于展教和公眾，緊密結合現有先進、成熟的信息化技術，提升展覽教育實踐水平和公眾體驗就顯得尤為重要，這也是科學中心在信息化規劃第三步中需要重點實踐的內容。
科學中心的展教工作緊密圍繞展教大綱開展，展品類型包括互動啟發類展品、模型展示類、多媒體教育類及藝術裝置類展品等。近年來，信息化技術、互動體驗方式都發生了很大的變化。特別是虛擬現實技術（以下簡稱VR或VR技術）和增強現實技術（以下簡稱AR或AR技術）的應用和發展發生了巨大的變化，應用場景和應用范圍越來越大，資源內容越來越豐富。
科學中心實現教育傳播功能的主要載體除了常設展覽外，最重要的是加入了以探索實驗與過程體驗為主的教育培訓專區。教育培訓功能以青少年為主要服務對象，兼顧社會需求的多元化，注重雙重素質教育，既培養科學素質，更側重開發工程技術素質。
2 實驗室案例分析
現著重以B科學中心“信息千里眼”遠程觀測實驗室為例，具體闡述如何將VR技術與傳統的教育功能相結合，從而提升教學體驗的實踐。
2.1 實驗室簡介
B科學中心“信息千里眼”遠程觀測實驗室是以中小學生為主要對象，以遠程觀測為特色的科普實驗室。學生操作實驗室內的設備，可以控制遠方觀測點的攝像頭，實現遠程觀測的探究方法。本實驗室涉及生物學、生態學等自然科學。教學過程中采用學生觀測、記錄與教師引導、講解相結合的教學方式，側重培養科學探究的思路和方法。
2.2 實驗室設施配備及用途
高清網絡攝像頭均布在三個觀測地，硬盤錄像機均布在三個觀測地，用于錄像和存儲有價值的觀測視頻資料；3臺42即ッ屏一體機及照片打印機放置在教室，學生通過觸摸屏一體機進行操控，控制觀測地攝像頭的轉向，觀測動植物，達到科學探究的目的。
2.3 實驗室的優勢
（1）省去舟車勞頓，同時可享受異地優質科學教育資源。“信息千里眼”的三個觀測點分別分布在武漢、昆明、青海。通過本實驗室，在北京就能經常觀察三地的動植物成長和環境情況，省去多次來回奔波，節省了大量時間和金錢，提升了觀測和學習效率。
（2）整合大量優質資源進行科普教育。本實驗室整合了科研院所的優質資源。不僅提供實時觀測，還有專家團隊提供支撐。既能傳播知識，還能培養科學研究的方法。
（3）觀測過程可實時保存，成為有價值的圖像視頻資料。傳統拍照片和錄視頻，往往耗人力、時長短，而遠程觀測的方式可方便保存大量數據，滿足不同人群從中挑選有價值片段的需求。學生還可現場打印觀測到的圖像。
2.4 發現的問題及解決措施
可見，該課程教學環節的重中之重就是遠程實時觀測，遠程實時監控觀測雖然在形式上有所創新，但仍面臨以下問題：第一，受四季氣候、時長的限制，觀測者無法在一節課45分鐘內看到植物發芽、成長、開花、結果的全過程，也無法人為控制動物按課程設定呈現相應的動作行為；第二，出于對設備的保護和觀測點的實地情況等原因，攝像頭的安裝位置往往距離觀測對象較遠，視野范圍有限，無法近距離靠近觀測對象，致使觀測起來不能十分清晰；第三，從遠程觀測系統看到的畫面為傳統2D形式，觀測者沒有身臨其境的感覺。
利用虛擬現實技術沉浸性、交互性、構想性、動作性、自主性的特點，創建出的高度虛擬仿真效果，能使學生沉浸其中，不僅可以將植物的一生濃縮到短短幾分鐘內完整呈現，而且能將動物的各種行為活靈活現地展示出來，不受四季氣候影響，也無需擔心距離、時長等因素而產生的缺憾。如以遠程觀測小滇金絲猴的幸福成長課程為例，VR系統不僅可以在短時間內完整呈現滇金絲猴從出生到成年的形態特征，還可以通過互動設計，實現觀測者以一個小滇金絲猴的視角，體驗群體中其他成員給予小猴的關愛，如爬到爸爸的頭上，侵犯作為一家之主的權威，他不惱怒，媽媽和阿姨們爭相擁抱它，哥哥姐姐們帶著他在樹枝上跳躍玩耍，遇到危險時幫它趕走天敵等等，讓觀測者宛若滇金絲猴的家庭成員一般，感受猴群中小猴幸福成長的過程。總之，虛擬現實和VR眼鏡系統，已成為借助虛擬現實及傳感技術創造的一種嶄新的教學教育系統，讓每一個觀看者帶著驚奇和欣喜去體驗真實的虛擬世界。
3 結 語
通過B科學中心“信息千里眼”遠程觀測實驗室課程開發的實踐，將科研院所科研資源+富媒體數字科普資源+虛擬現實技術與現有教學方式有機融合，將寶貴的科研現場、科研過程，應用虛擬現實技術帶來的情景沉浸式、全景式的表達形式，形象逼真地呈現給體驗者，有利于激發中小學生對科學的興趣，有利于青少年創新思維的培養，有利于青少年及公眾科學素養的養成，更可直接為科技館相關培訓教育功能目標的實現提供更好的方式方法。
除此之外，如VR技術、AR技術等新的信息技術，還非常適合應用到科學中心的常設展覽中去，比如常設展廳大量的展項，均可運用VR、AR等新技術對展項進行延伸體驗、說明和補充，與傳統互動展項形成有效互補，更深層次的豐富了展項展示的形式和內容，從而更加吸引觀眾觀看、互動和探索。
主要參考文獻
[1]朱幼文. 中國的科技館與科學中心[J]. 科普研究， 2009， 4（2）：70-73.
[2]龔劍.科技館的實驗教育[J].科技傳播，2012（8）：37-38.
[3]朱玲玲.淺析科技館的科學實驗教育[J].科協論壇，2013（2）：45-46.
[4]李志坤.科技館信息化建設的初步探討[J].科技風，2013（17）：53.
[5]王星儒，唐碩陽.虛擬技術在博物館建設中的應用研究[J].藝術教育，2015（2）：73-74.
[6]任星.淺談虛擬現實技術及其在科技館中的應用[J].科學大眾：科學教育，2008（4）：138.
人工智能與教育培訓范文第3篇
【中圖分類號】G 【文獻標識碼】A
【文章編號】0450-9889（2013）06B-0018-02
中小學校的現代化教學工作經過多年發展，逐漸形成了以多媒體、網絡、人工智能、虛擬仿真等技術為核心的現代教育技術，并逐漸發展成為一門獨立的學科。我們有必要積極吸收現代教育技術發展的成果，在中學教學環節中充分利用電教設備、多媒體、虛擬現實及計算機仿真等現代教育媒體與技術，改進教學手段，改善教學環境，完善教學內容，不斷提高課堂的教學效率。本文擬對農村中小學校運用現代化教學手段的現狀進行分析，并提出利用現代化教學手段打造高效課堂的策略。
一、農村中小學校運用現代化教學手段的基本情況
1.經深入調查，筆者了解到，在農村中小學校運用現代化教學手段的程度不高。雖然學生在課堂上表現活躍，興趣很高，但教師的課堂教學設計還是無法擺脫“傳統教學”的制約，仍然以傳統教學手段為主，課堂上一塊黑板、一支粉筆的教師滿堂灌、學生死記硬背的現象還比較普遍。
2.對于實驗教學，無論是學校領導還是實驗教師都能認識到其重要性，但卻不能從根本上重視，加上農村中小學校教育經費的緊張，一些短缺的儀器、藥品未能及時補充，導致實驗課教學沒能正常開展。
3.現在大部分的農村中學、中心小學都配備有電子白板技術設備，但很多教師沒能充分利用，導致課堂容量小、訓練量不夠，不能充分調動學生學習的積極性，課堂效率低。
二、農村學校少用現代化教學手段的原因分析
1.與學校領導和教師的認識高度有關
現代化教學手段能否發揮其高效益主要取決于學校領導和教師的思想認識程度。不少學校領導和教師認為，利用現代化教學手段只是為了增加教學的直觀性，只不過是幫助驗證某一現象，與其拿出一節課的時間來驗證這一現象，還不如利用幾分鐘的時間說明這種現象來得直接。這種心理定勢直接制約了現代化教學手段的運用。
2.與是否有教學理論支撐有關
任何改革若沒有一定的實踐理論支撐，是很難順利開展的。有效的課堂教學需要經過一系列的試驗論證后，總結出一整套的理論依據，通過課堂的進一步探究而形成的。主管部門對教師的相應培訓相對滯后，再加上教師自身的知識儲備不足，導致教師對高效課堂教學中利用現代化教學手段缺乏理論支撐。因此，需通過專家的理論培訓、現場授課指導，讓教師了解和掌握理論，并通過進一步的課堂探究，讓學生認可并接受，方能廣泛應用。
3.不理解現代教育技術手段的作用
隨著現代教育技術的發展，多媒體教學在課堂教學中，為教學模式和增強教學效果提供了更多的可能性，但是在課堂教學中許多教師認為這種技術進行虛擬的效果缺乏真實性，就像電影一閃而過，沒有足夠的優勢。
三、利用現代化教學手打造高效課堂的策略
1.更新教育教學理念，加強理論學習
要充分發揮現代化教學手段在高效課堂教學中的功能和作用，一是學校領導和教師要更新觀念，正確認識現代化教學的功能與作用；二是學校教師應該積極主動地加強理論學習，提高自己的業務水平，使現代化技術教學能夠真正的、良性的開展起來。
（1）用現代化教學裝備進行交流和學習。學校現代教育技術裝備發展的步伐在不斷加快，農村學校的“校校通”“校園網”“班班通”等也在有計劃地逐步實施。學校應充分利用好“校校通”“校園網”等，共享資源，加強教師間的學習、交流與合作。
（2）借助各類教育資源平臺進行學習。學校應借助遠程教育中豐富的教育資源，通過校園網將教師的繼續教育、國培教育培訓以及本地建立起來的教育資源網有機結合起來，為本校教師的校本培訓和繼續教育培訓提供廣闊的學習交流平臺。
（3）轉變傳統的教學觀念。能否建立起與素質教育相適應的現代化教學模式，更新觀念是關鍵。傳統的教學思想是束縛課堂教學改革的絆腳石，因此，教師必須更新觀念，勇于改革創新，充分利用現代化教學設備裝備課堂，才能有效地提高教學質量。
2.加大資金的投入力度，創設良好的現代化教學環境
（1）為改變教學裝備硬件建設落后的局面，學校要投入一定資金對課堂現代化教學進行徹底地改造。
（2）對現代化教學所需的儀器、設備及時更新和補充，以保證教學所需，確保實驗開足開好，甚至創造條件補充一些探究性課堂教學設備。
（3）學校教學儀器設備的管理技術人員的工作量在學校的評估方案中應予以充分合理考慮，并把現代化技術教學成績列入學年教學評估中，以極大地調動技術管理人員和老師對現代化教學的工作積極性。
（4）學校要切實加強儀器設備的管理工作。教務、科研、總務要形成齊抓共管之勢，開學初要制定現代化技術教學工作計劃，落實設備的購置及儀器的維護保養以及設備儀器管理的文化宣傳，要營造一個良好的環境，使學生進入技術設備室就能感受到現代化教學設備的濃厚氛圍，提高學生的學習與創新興趣。
3.借助現代化教學手段，實現高效課堂
現代化教學手段可以將枯燥的化學材料綜合處理為圖文、聲像、動畫等多媒體信息，可以把抽象變為直觀，也可以把肉眼看不到的微觀世界變為栩栩如生的宏觀材料，把學生帶入絢麗多彩的化學世界，使學生的思維產生強烈的沖擊，大大提高了課堂效率。可見，現代化教學手段可以為高效課堂插上騰飛的翅膀。
首先，要利用現代教學手段創設有趣的教學情境，激發學生學習的興趣。
現代教學手段綜合了文本、影像、動畫、聲音等，可以輕易地創設出生動有趣的教學情境，其感染力和表現力都很強，可以把使學生帶入喜聞樂見、生動活潑的學習情境中，引起學生極大的注意力，激發學生強烈的求知欲望，使他們的思維活躍，促使他們主動投入到課堂學習中。例如，在新人教版九年級化學《二氧化碳的性質》教學中，我們用多媒體來演示意大利“死狗洞”的故事，讓學生在觀看動畫場景中產生疑問：為什么在洞中活蹦亂跳的小狗突然死去而同行的人卻安然無恙？并以此為線索，創設有趣的情境導入新課，將學生的注意力迅速吸引到所學內容上，激發他們的學習興趣，對學習的內容產生主動探究的欲望，為高效課堂的開展創造了有利條件。又如，學習新人教版九年級化學《原子的結構》時，筆者播放課件“電解水”的微觀圖示，運用動畫效果使學生比較直觀地認識物質發生物理變化和化學變化的實質，提高學生的三維目標。
其次，要利用現代教學手段加大教學容量，提高課堂效率。
現代教學手段集聲情并茂、圖文并茂、影音并茂于一體，其容量之大是傳統教學可望不可即的，它可以多角度、全方位、高效率地展示和傳遞信息。利用其優勢，可以使學生高效地吸納大容量的學習內容，增加了課堂容量，壓縮了教師講授時間，把更多的主動權留給學生進行自主學習和主動探究，提高了課堂效率。例如，在學習石灰石用途時，我們可以利用網絡資源，搜索一些千姿百態的鐘乳石、石筍和石柱等奇特景觀圖片、影像資料，甚至我們可以自己拍攝與教學內容相關的圖片，添加到教學內容中，配上悅耳動聽的音樂……這些視聽感受不僅激發了學生的學習興趣，而且會拓寬學生的視野，增加課堂的信息量。又如進行O2、H2、CO2實驗裝置及相關練習部分的復習時，如制作化學實驗常見的儀器素材庫，課堂上根據教學內容的需要利用多媒體組合儀器并進行實驗，加快了教學節奏，呈現出更多的裝置組合，大大提高了教學效率。
4.實施制度管理，實現現代化教學技術廣范應用
（1）建立健全完善的規章制度是實現現代化技術教學中人盡其才、物盡其用的關鍵問題，是扎實開展課堂教學改革的有力保證。一方面，健全各科儀器設備和實驗教學設施的有效使用制度，保證其永遠處于最佳利用狀態；另一方面，充分保證和體現良好教風學風的行為規范，使教師按照制度進行教學。同時還要健全獎懲制度，在評優、晉升方面平等對待，甚至給予一定傾斜，以保證利用現代技術設備教學工作的相對穩定，充分發揮教師們探究高效課堂教學工作的積極性。
（2）學校要從儀器設備的采購、管理、使用、維護等環節都制定詳細的規章制度，并由學校各主管部門負責。配備責任心強、工作經驗豐富的專職人員，且做到結構合理。
人工智能與教育培訓范文第4篇
【關鍵詞】模具行業；產品制造；發展現狀；趨勢
1.我國模具業發展現狀分析
從近幾年的發展情況來看，我國模具市場發展前景十分樂觀。我國模具行業“十一五”頭3年模具工業產值年均增長率為17.1%，2003年全國模具總產值達450億元以上，2005年總銷售額超600億元，。按年均增長率為15%推算，2010年全國模具總產值達約1200億元，2020年約為3100億元。經過10年努力我國模具水平到2010年時將進入亞洲先進水平的行列，再經過10年的努力，2020年時基本達到國際水平，我國不但成為模具生產大國，而且進入世界模具生產制造強國之列。在模具生產方面，國內已經能夠生產精度達2μm的精密多工位級進模；在汽車模具方面，已能制造新轎車的部分覆蓋件模具。許多模具企業十分重視技術發展，增大了用于模具技術進步的投資，現今從事模具技術研究的機構和院校已有30余家，從事模具技術教育培訓的院校已超過50家。
但與一些發達國家相比，我國現階段模具水平仍存在較大的差距。主要體現在以下幾個方面：（1）模具設計體系規范模具設計軟件系統開發是當務之急；（2）制造工藝水平國內模具生產廠家工藝條件參差不齊，不少廠家特別是私有企業，由于設備不配套，很多工作依賴手工完成，嚴重影響精度和質量。而歐美許多模具企業的生產技術水平在國際上是一流的；（3）調試水平模具屬于工藝裝備，生產出合格制品才是最終目的。國內模具的質量、性能檢驗大多放在用戶處，易給用戶造成大量的損失和浪費。而國外大都擁有自己的試模場所和設備，可以模擬用戶的工作條件試模，所以能在最短時限達到很好的效果；（4）原材料問題國產模具多采用2Cr13和3Cr13，而國外則采用專用模具材料DINI、2316，其綜合機械性能、耐磨、耐腐蝕性能及拋光亮度均明顯優于國產材料；（5）價格因素對用戶而言合理的質量價格比是最優選擇，所以進口模具價格比國產模具高8～10倍，仍有其市場空間；（6）配套體系我國模具生產企業往往忽視與其它設備、原料供應商合作，無形中使用戶走了許多彎路。
2.模具設計技術
隨著國民經濟和生產技術的不斷發展以及計算機設計技術的開發，模具設計有了新的發展方向。3.1CAD繪圖技術CAD繪圖技術的出現給模具設計工作帶來了方便之門。CAD系統在模具設計中的廣泛應用。現階段使用最多的是“Pro/E”軟件的應用，該軟件具有易用性、高效率、實用性。3.2CAD/CAE/CAM技術從20世紀90年代開始發展的模具計算機輔助工程分析（CAE）技術現在也已有許多企業應用，一些工業發達模具企業應用CAD技術已從二維設計發展到三維設計，而且三維設計已達70%以上，它對縮短模具制造周期及提高模具質量有顯著的作用。CAE軟件的應用國外已較普遍，國內應用還比較少。
3.先進制造技術（AMT）在模具中的應用
3.1快速原型制造（RP）技術
RP技術在模具制造領域的應用主要是制作模具設計制造過程中所用的母模，有時也用于直接制造模具。RP技術可分為直接快速模具與間接快速模具技術。如SL、LOM、SLS、SDM。其優點是制造環節簡單，能夠較充分地發揮其技術優勢；對于那些需要復雜形狀的內流道冷卻模具與零件，采用直接RT（由RP直接制造出使用模具的技術稱為直接RT技術）有著其他方法不能替代的獨特優勢。間接快速模具制造，通過快速原型技術與傳統的模具翻制技術相結合制造模具。一方面可以較好地控制模具的精度、表面質量、機械性能與使用壽命，另一方面也可以滿足經濟性的要求。如基于噴射的成型技術，如FCM、3DP、快速精密鑄造模具等。RP各成形工藝都是基于離散-疊加原理而實現快速加工原型或零件，如圖1。
3.2虛擬制造技術（VMT）
虛擬制造是采用計算機仿真與虛擬現實技術，在計算機上實現產品的設計、工藝規劃、加工制造、性能分析、品質檢驗以及企業各級過程的管理與控制等的產品制造全過程，是一種通過計算機虛擬模型來模擬生產各場景和預估產品功能、性能及加工性等各方面可能存在的問題，從而提高人們的預測和決策水平。虛擬制造技術是以三維建模和仿真技術為基礎，以虛擬現實技術為支撐的全新的技術（圖2）。
3.3反求工程技術RE
隨著檢測技術的發展，將現代測量技術不斷融入模具產品設計中，進一步推動了模具制造產品快速制造的能力。反求工程是以設計方法學為指導，以現代化設計理論、方法、技術為基礎，運用各種專業人員的工程設計經驗、知識和創新思維，對已有產品進行解剖、深化和再創造。反求工程是通過對存在實物模型或零件進行測量，然后根據數據進行重構設計。見圖3。
3.4有限元仿真、模擬技術的應用
隨著計算機技術的迅速發展，融合了CAD、數值計算、CAM、CG等各類技術的數值模擬技術—有限元分析，逐步應用在模具的設計制造中。數值模擬技術通用或專用的軟件各類很多，如DYN-3D、OPTRIS、ANSYS、MARC、ANAQUAS、ALGOR等。可直觀地在計算機屏幕上觀察到材料變形和流動的詳細過程，了解材料的應變分布、材料厚度變化、破裂及皺曲的形成。設計人員根據已有的經驗來調整模具參數及成型工藝、修改毛料形狀和尺寸，極大縮短試模和修模時間，有效地提高產品質量和生產效率（圖4）。
3.5模具中其他的先進制造技術
除了上述模具先進制造技術，還有模具微細加工、模具納米加工、模具微型機械加工、模具的敏捷制造技術、模具柔性制造技術、模具集成制造技術、模具企業網絡制造聯盟技術、模具制造CAPP技術、模具的智能制造技術等。模具制造技術種類繁多，大部分的先進制造技術都可以應用到模具制造中，而且在不斷發展之中。
4.模具技術發展趨勢
4.1大力開展并行工程，快速響應市場需要
在國際上，模具工業是公認的關鍵工業，目前我國已成為世貿組織的新成員，各類產品都需要提高質量降低成本，首先要解決模具設計制造周期，最大限度地縮短生產環節間的過程，所以模具設計與制造過程的正確方法應該是并行工程的方法。實施模具制造并行工程模式將逐漸取代傳統工作模式成為模具制造業中新的主導模式。
4.2數字化、自動化、柔性化、集成化、智能化和網絡化方向
數字化是模具產業發展的主流，而自動化則有助于實現操作，提高加工質量和效率，快速響應市場需求。柔性化可實現多品種小批量生產。集成化可充分利用CAD/CAM、CIMS等技術實現設計制造一體化、并行設計、虛擬制造、反求工程等。智能化可利用專家系統模糊推理、人工神經網絡、遺傳基因等人工智能技術，解決知識的重用等問題。網絡化可跨地區、跨院所實現技術資源的重新整合和共享。
4.3模具檢測、加工設備向精密高效和多功能方向發展模
具向著精密、復雜、大型的方向發展，對檢測設備的要求越來越高。如美國的高精度三坐標測量機具有數字化掃描功能。實現了從測量實物建立數學模型輸出工程圖紙模具制造全過程。高速銑削技術，模具自動加工系統等的研制和開發。
人工智能與教育培訓范文第5篇
關鍵詞：數據管護 數據管理 研究數據 知識圖譜
分類號：G250
引用格式：虞晨琳. 國際數據管護的科學知識圖譜研究[J/OL]. 知識管理論壇， 2017， 2（3）： 201-213[引用日期]. http：///p/1/137/.
1 引言
隨著E-Science的發展，科研行為的主要特征是基于數據的科學探索，研究數據是科研活動的驅動力，科學研究已步入以數據密集型為特征的大數據科研范式[1]。大數據時代，研究數據的內涵與特點發生改變，其來源范圍廣、類型多樣、數據體量巨大以及數據流實時變化，被稱之為科學大數據[2]。因此，以往的數據管理模式因不能適應研究數據的管理，而使得研究數據易遭到損壞與污染，數據不能得到有效利用和長久保存，影響現階段的科學研究行為的進行。各領域學者基于自身學術背景對研究數據管護（data curtain， DC）進行了理論研究與實踐探索。筆者將對國際學術界的數據管護研究進行梳理，以期整體、全面地認識與把握數據管護研究的整體面貌。
2 數據管護定義
英國數據管護中心（Digital Curation Centre， DCC）對數據管護進行明確定義：數據管護是指貫穿數字化研究數據整個生命周期的維護、保存和增值的動態主動的管理活動；對研究數據進行主動的管理，其目的是為了確保數據在未來研究價值的威脅、降低數字老化的風險；置于可信的數字化存儲庫中的管護數據，可促進英國研究領域的數據共享；數據管護可減少數據創建的重復工作，并通過增強高質量研究的可用性來提高數據的長期價值[3]。聯合信息系統委員會（Joint Information Systems Committee， JISC）指出， 數據管護是在數字數據和研究成果的整個生命周期內， 維護和利用它們以服務當前和未來的用戶的一系列活動[4]。
從檔案視角解讀，認為數據管護是將數字保存、數字圖書館管理、數字歸檔和數據管理階段性介入活動進行融合成一個整體；數據管護實質是貫穿整個數據生命周期的管護活動，數據管護術語的產生，由于數字歸檔的含義在信息資源保存領域的濫用，使得數字歸檔的含義遭到曲解，使得數字資源的長期、全過程管理的研究需要創建新的術語來準確描述數字資源的生命周期管理的研究[5]。
美國伊利諾伊大學圖書館與信息科學學院提出數據管護是在學術研究、科學和教育活動中主動、持續地貫穿數據生命周期的數據管理活動，通過數據認證、歸檔、管理、保存和描述來促進數據的檢索發現、長期保存和增值重用[6]。
綜上所述，數據管護具有以下特點： ①數據管護是一種主動、持續和不間斷的數據管理，貫穿整個研究數據的生命周期，確保研究數據管理過程是一條可追溯的連續鏈條； ②數據管護目的是維護和增值研究數據的價值，確保數據的真實可靠和長期可用，滿足現在和未來的使用需求；③數據管護促進研究數據資源的檢索與發現、共享與利用、減少科研資源的重復建設。
3 研究結果分析
3.1 數據與方法
為全面把握國際數據管護研究情況，避免遺漏重要文獻，本文所選取的統計數據來源于Web of Science （WOS）核心合集數據庫，以 “digital curation” “data curation” 為主題或標題進行檢索，時間跨度：1900-2016年，文獻類型：包括“article，editorial，letter，proceeding paper，review”5類，檢索時間為2016年10月31日，并對檢索結果進行去重、清洗，最終得到319條文獻記錄。
國外數據管護研究的文獻增長趨勢符合普賴斯提出的科學文獻指數增長的普遍規律，擬合優度R2為0.974（見圖1）。國外數據管護研究始于2000年，2000-2005年間的發文量少，發展極為緩慢，研究處于起步階段；2006-2013年間的年發文量呈現增長態勢，實際發文量都超過理論值，研究處于快速增長期；2013年之后，實際發文量小于理論值，且兩者之間的差距逐年拉大，研究步入成熟期。數據管護的年發文量呈絕對值持續增長趨勢，自2013年起，每年發文量均在40篇以上，2015年達到62篇。
本文所選取的研究方法是科學知識圖譜，科學知識圖譜是將信息可視化技術、應用數學、圖形學、計算機科學等與科學計量學結合起來的交叉科學研究方法，可將科學前沿領域的海量文獻數據信息轉換為可視化圖像，展示單憑個人經驗難以直觀獲得的學科前沿領域的總體圖景、發展態勢與結構特征。具體分析方法是基于共現分析法來明確國外數據管護的研究主體；利用共被引分析展現國外數管護的知識基礎。
3.2 數據管護的研究主體
利用CiteSpace軟件共現圖譜分析法，從學科分布、研究機構、作者分析3個維度對施引文獻進行分析，以探求數據管護的研究主體。
3.2.1 學科分布分析科學知識圖譜
如圖2所示，計算機科學與圖書情報學的節點年輪較大，表明學科的發文數量多；節點年輪顏色由藍、綠、黃組成，暗示研究跨3個時間段，長期時間關注且持續性研究。生物化學研究方法、天文與天體物理、計算機科學、成像科學與照相技術、統計與概率、地理學、生物化學與分子生物、遙感、基因與遺傳學等學科的節點被紫圈標注出來，代表節點具有較大的中心度（不小于0.1），處于在網絡結構中重要的中心位置，在研究中具有重要影響力。
從學科分布來看，數據管護研究具有多學科性，應用學科和基礎學科均關注數據管護方面問題，積極開展相應的研究工作，產生這種現象的原因主要為：①研究數據主要由具體的基礎學科產生。研究數據來源于科學研究的觀測、探測、調查和綜合分析所獲得的數值型的事實記錄，隨著21世紀的信息技術革命，新一代科學研究的手段與方式的應用，促使研究數據的生產方式步入自動式化感知式系統階段。研究數據具有學科背景屬性，基礎學科多圍繞學科的特定項目開展數據管護研究，以滿足自身學科知識體系對研究數據的管護的特定需要。②不同學科的研究數據在管理與服務具有共同屬性。應用學科夯實了數字化科研的基礎以及統一了研究數據的技術標準，這些稱為了數據管護中的網絡基礎設施的依托、信息技術的支撐、政策指導與管護理論的提供了強有力的支持。
計算機科學在數據管護的研究方向主要是人工智能、信息系統、跨學科應用、軟件工程與理論方法，從全方面對數據管護研究進行技術支持，其研究始于2001年。生命科學與生物醫學對數據管護研究力度與重視程度不亞于計算機科學，隨著新一代測序工具與技術出現，基因研究產生海量的基因數據，因此，生命科學與生物醫學對于基因數據管理需求增大，需要確保基因數據的及時更新、實時維護、關聯和集成資源、長期保存與有效獲取等，驅動科學研究的新發現。圖書情報學的發文數高達84篇，科學體量較大，學術影響力較強，是推動數據管護研究進展的主力軍之一。
3.2.2 研究機構分析
由圖3可見，北卡羅來納大學教堂山分校、愛丁堡大學、普渡大學、格拉斯哥大學、約翰?霍普金斯大學、南佛羅里達大學以及圣迭戈加利福尼亞大學在數據管護研究上比較活躍。
突現是指變量值在短時間內發生很大變化，突現信息是一種可用來度量更深層變化的手段，對機構突現的研究，能夠把握機構在數據管護研究上的關鍵轉變節點。北卡羅來納大學教堂山分校2007年共有4篇關于數據管護的文獻，主要為數據管護的人才培養和軟件工具研發的研究。其圖書館與信息科學學院承擔的數據管護課程（Digital Curation Curriculum，DigCCurr ）項目，包括培育數據管護的研究生層次專業人才，探索數據管護課程設置[7]；界定數據管護人才以及數據管護應具備技能與知識[8]。The Vidarch Project1項目捕獲數據資源的相關信息，基于數據資源的元數據和上下文本信息關系，實現數據資源的全面注釋[9]；研發ContextMiner 2工具，幫助數據管護人在數據庫中進行數據查詢、編譯及存儲[10]。愛丁堡大學2004-2007年共有4篇關于數據管護的文獻。面對生物數據爆發式增長，P. Buneman倡議對數據庫進行管護，確保數據的安全可靠[11]；P. Buneman同時闡釋數據管護的兩種不同的文化，檔案專家、管護者側重對數據資源的長期保存與可靠訪問，研究者側重數據資源的可視化、注釋與關聯[12]；C. Rusbridge等認為DCC成立將更好地指導數據管護活動的開展[13]；M. McGinley呼吁將數據管護納入法律層面，以此將有效地指導研究數據的開放或保密[14]。普渡大學在2008年發表2篇關于數據管護文獻。普渡大學圖書館在圖書館學和檔案學原理的指導下，利用分布式機構知識庫設施基礎，開展具體學科的研究數據管理的探索，為數據管護研究提供實踐案例[15]；M. Y. Eltabakh研發生物數據庫的可擴展數據庫引擎，支持研究者對生物數據庫系統進行統一的數據管理，如數據及派生信息的注釋、存儲、數據查詢和跟蹤等，促進普渡大學的研究數據管理[16]。
3.2.3 作者分析
如圖4所示， 節點年輪的顏色變化反映了研究者的活躍時段，筆者依據圖譜的時間分區的顏色變化，將數據管護研究領域的主要研究者分為三代研究者，以2006年和2012年作為時間分區的分界點。
第一代研究者的節點以藍色為主，隨著科研信息化的展開，研究者對研究數據管護的需求不斷增加。P. Buneman團隊倡議及闡述數據管護以及數據管護中心成立的意義；P. Martin團隊研發基因數據庫的集成分析工具，支持數據集成化研究。第二代研究者的節點以綠色為主，主要是圖情及計算機領域圍繞研究數據管護展開的研究活動。C. Prom團隊從數據管護教育角度，主持開展數據管護課程（DigCCurr）和數據管護差距彌補課程（Closingthe Digital Curation Gap）以儲備數據管護的專業人才； L. Martinez-Uribe團隊研究圖書館在數據管護的角色定位、服務創新；S. Ross團隊研發文本流派分類方法自動獲取元數據。第三代研究者的節點以黃色為主，研究主要是針對特定學科開展的細粒度的數據管護活動，?. Sánchez-Ferrer團隊基于生物基因需求，提出數據管護的具體要求；W. Los團隊建立數據管護以此來推進數據資源共享開放；C. Jandrasits團隊從納米領域提出數據管護的重要性；B. Stvilia團隊從基因領域出發，研究數據管護以及數據質量要求；J. Bhate團隊介紹國際分子交換聯盟中心（IMEx Central）實施交互質量控制、交叉管護等數據管護措施。
3.3 數據管護研究的知識基礎
由圖5可知，文獻共被引網絡主要為8個聚類。基于被引文I和施引文獻、聚類標簽對各類的研究內容和核心觀點進行解讀，發現研究內容大致可分為數據管護對科研活動的新價值、數據管護的軟硬件設施的建設、數據管護在具體學科的應用、數據管護的利益相關者以及圖書館的服務模式幾方面。
3.3.1 數據管護對科研活動的新價值
表1列出聚類3#scientific data的被引文獻和施引文獻，闡釋科學數據對科研活動的新價值，這些文獻主要研究了如何使用數據管護實現對數據的維護和增值，涉及到科研工作流程、數據共享及出版的管理。科學研究具有數據驅動性和開放協作性，數據共享可以支持科學研究的再現或驗證，確保研究結果為公眾所用，方便其他人利用現有數據開展新研究，提升研究創新水平[17]。
科學界對小研究數據潛在價值的認識加 深[18]，P. Borgman以棲息地生態學為例，介紹了數字圖書館利用嵌入式網絡感知中心，來支持“小科學”學科的數據管理，以便解決小研究數據向于異質、個人管理的狀態或是未被保存、未被管理的狀態[47]。盡管海量研究數據產生，使得數據洪流現象出現，但只有少數領域出現數據共享，C. Tenopir等2011年對1 329名科學家進行數據共享實踐與理論調研，發現阻礙科學家進行數據共享首要原因是時間不足和資金缺乏，其次是開放平臺、標準規范、政策制定等[19]。M. H. Cragin等承擔的Data Curation Profiles項目是基于研究者角度對數據共享問題進行研究，從分享什么數據、何時和與誰分享的3個維度分析研究者數據共享行為[20]；P. Borgman分析什么數據應該被共享、被誰共享、在什么條件下共享、為什么共享以及要做什么努力等方面，能幫助認識數據共享；以上研究為數據政策制定和數據實踐開展提供了指導[17]。
M.J. Costello提出以數據出版代替數據共享，構建數據的引用與訪問系統，激勵環境、生物學科學家研究數據，解決數據可用性問題[21]。R. R. Downs和R. S. Chen.設計跨學科數據提交的工作流，便于滿足跨領域研究的科研人員提交數據的需求[22]。
3.3.2 數據管護的軟硬件設施建設
數據管護的軟硬件設施建設包括支撐數據管護的平臺的基礎設施，支持數據集成和關聯的軟件技術。表2列出聚類2#biologist-centricsoftware的被引文獻和施引文獻是面向數據管護的基礎設施的建設研究，這些文獻主要是探討支撐管護軟件研發和平臺構建、服務體系建設以及最佳實踐探索。
開源數字倉儲軟件（Fedora）描述數字對象及之間的復雜關系，為組織機構在管理及保存數字資源方面提供基礎[23]。iRODS（integrated Rule-Oriented Data System）的數據網格幫助用戶高效、簡易管理各類數據資源[24]。英國圖書館與信息網絡辦公室總結數據管護的服務框架，鑒定關鍵利益主體，分析其責任、權利與協作方式，確定數據管理的目標（數據的保存、訪問和重用），確定實現目標的機制、流程和實踐[25]。普渡大學圖書館在e-Science環境下，構建面向科研的嵌入式服務的協同結構，開展研究數據管理服務，包括數據描述、類型和格式的標準、收集、組織、歸檔與保存[26]；科羅拉多大學博爾德分校圖書館參與領域科學的數據管護的過程，表明圖書館在專業人才、基礎設施與信息服務的優勢將有助于開展數據管護活動[27]。以上圖書館的探索成為數據管護的最佳實踐。
表3列出聚類6#annotation的被引文獻和施引文獻是基于數據集成和關聯的數據管護，通過構建大規模知識化的科學數據網絡，便于研究者深入挖掘和有效解釋科研數據中各類資源對象的內涵和關系。
基因芯片數據協會組織開發了微陣列數據標準，規范了微陣列實驗解釋的最小信息描述[28]，促進國際上基因組學的實驗室及公共數據庫的數據交流。C. A. Ball評述微陣列數據標準，規范了微陣列實驗數據的注釋描述和交換標準，輔助微陣列數據庫的建設和數據分析工具的開發，促使高質量的基因表達數據的共享，為基因研究的標準化鋪平道路[29]。S. A. Sansone提出以技術手段和獎勵機制促進生物數據的互操作性，以提高科學社群對研究數據的充分利用和開放共享[30]。D. Howe認為生物研究數據管理和生物學數據管理的出現，解決不斷增長的高質量數據需求與有限、落后的數據管理之間的矛盾[31]。B. M. Good等通過語義維基構建生物醫學的語義網鏈接，直接嵌入維基百科編輯器來計算文章上下文的語義關系，增強維基百科文章的語義呈現，便于用戶查詢與發現[32]。
3.3.3 數據管護在具體學科的應用
數據管護在生物學科、化學信息學與生物信息學方面得到充分運用。表4列出聚類0#database的被引文獻和施引文獻是數據管護在生物學科的具體應用，這些文獻主要是基于領域本體與元數據的數據描述的管護活動，為生物數據的描述和分類實現格式化，為計算機處理創造可能。
隨著新一代基因測序技術的快速發展，使得基因組和轉錄組開始進入高通量測序，實驗室和基因數據庫得到海量核序列數，但是對核序列數的描述和保存格式不統一，嚴重阻礙了學術交流與資源共享。基因本體的出現，統一了規范基因功能注釋和描述[33]；生命研究數據庫采用基因本體來對研究數據進行標注，通用蛋白質資源數據庫（UniProt）為科學社群提供集成、高質量、可獲取的蛋白質資源數據[34]，PlasmoDB數據庫通過瘧原蟲基因注釋標準化，關聯基因組定位、轉錄本信息等各種信息，方便瘧疾研究者查詢[35]。數據的描述、注釋以及保存格式的規范，有助于研究的新發現，通過統一基因本體術語，便于集成高質量的數據資源，便于發現基因之間的相互作用的證據[36]。
表5列出聚類1#QSARmodeling的被引文獻和施引文獻是數據管護在化學信息學的具體應用，這些文獻主要是圍繞研究數據建模過程的管護活動，依據數學原理，探索數據之間的關系，提取信息及發現知識等。定量構效關系（quantitative structure activity relationship，QSAR）作為化學信息學的主要研究方法，是對化合物結構與其活性之間關系的定量描述研究[37]。
建立研究數據的匯聚機制與模型，如集成計算毒理學資源（Aggregated Computational Toxicology Resource， ACToR）、京都基因和基因組學百科全書（Kyoto Encyclopedia of Genesand Genomes， KEGG）和基因型―表現型數據庫（Genotype-phenotype databases），以解決數據的多源、異構帶來的數據使用效率低的難題。科研信息化的推進，數據驅動科學研究的發展，數據質量直接決定研究的成敗。化學數據建模分析過程采用標準規范[38]，劃定分析階段，來確保QSAR模型分析結果的有效性[39]。面對預測毒理學的數據的來源涉及學科廣、數據的表示靈活多樣，F. Xin認為數據管護能確保預測毒理學的計算基礎的數據高質量，推進學科發展[40]。A. J. Williams和S.EKINS倡議化學數據庫采用數據管護，來保障數據質量，推動科研進展[41]。
表6列出聚類5#bioinformatics的被引文獻和施引文獻是數據管護在生物信息學的具體應用，這些文獻論證了數據管護是如何支持生物信息學的研究新模式。J. Bellenson指出，微陣列芯片技術在鑒定致癌物質與環境危害的應用，促使毒理學研究的范式由假設驅動的研究轉向數據驅動的實驗[42]，數據對科研的重要性日益顯著。W. Tong等指出arraytrack具有集合毒理學的數據存儲、分析和可視化的功能，支持毒物學研究的進展與新發現[43]。
3.3.4 數據管護的利益相關者以及圖書館的服務模式
表7列出聚類4#digitalcuration的被引文獻和施引文獻確定了數據管護的利益相關者，這些文獻主是圍繞數據管護利益相關者展開的角色定位、職責劃定和相互協作研究。
美國國家科學委員會（National Science Board，NSB）《21世界長期數字數據集合研究與教育》，明確了管理層面對長期數字數據集合管理的重視，開展數據管理研究以及教育培訓，以支撐2000年以后的科學研究。基于數據在不同階段的管理要求，提出不同機構、部門的數據服務角色定位，以實現數據管理服務角色的協作，實現數據管理服務的目標[44]。圖書館作為信息資源管理的參與者，拓展和延伸數據服務，定位管理角色與職責，研究技術標準和數據生命周期理論等，以期在研究數據管理乃至科學研究中發揮重要作用。H. R. Tibbo納緇崢蒲Ы嵌榷壬笫郵據管護，盡管數據管護的發展離不開計算機技術的支撐，但社會科學對數據資產的長期管護更具有指導[45]。
表8列出聚類7#science的被引文獻和施引文獻描述了科研新模式下圖書館的探索，這些文獻主要是描述了圖書館的數據管護服務模式。L.Lyon指出，隨著“信息轉變”，圖書館需要審視在數據驅動科研環境下的機構目標和服務范圍[46]。P. Hswe和P Hswe從學術圖書館在人員配置、基礎設施及服務定位角度，論述圖書館參與數據管理的必要性和參與模式，指出圖書館將出現新的職業角色來滿足數據管理的需要[47]。G. S. Choudhury針對約翰霍普金斯大學已有的機構庫等基礎設施開展數據管護服務，強調數據科學家和數據人文專家等新角色在數據管護中發揮的作用，能全面支持高校研究數據管理[48]。L. M.Delserone論述了明尼蘇達大學圖書館與機構庫、信息部門等協同合作，共同規劃建設學校的數據管護的基礎設施；同時圖書館配置專業人才隊伍，滿足圖書館開展數據管理與服務的要求，建設“科學館員隊伍”[49]。L. Lyon基于Research360的機構研究生命周期模型，總結圖書館開展數據管護服務的10個階段，包括數據管理要求、計劃、信息學基礎、引用、培訓、許可、鑒定、存儲、獲取、影響[46]。
4 結語
隨著21世紀的信息技術革命，科學研究范式向數據密集型轉變，共同推動數據管護研究的興起。對國際的數據管護研究的分析和解讀表明，研究主體具有多學科性，其中，生命科學與生物醫學基于自身學科知識體系，圍繞特定項目進行數據管護的研究；計算機與圖情等應用學科則基于研究數據的通性，研究通用的研究數據的基礎設施與技術標準規范。研究主體的機構主要集中在歐美，其中北卡羅來納大學教堂山分校、愛丁堡大學和普渡大學在數據管護領域比較活躍，具有很大影響力。相較國外，中國對數據管護的研究相對薄弱，武漢大學信息管理學院在國際數據管護的專業人才培養上開展深入調研與分析，具有較強的影響力。研究主體的學者合作不夠緊密，缺少穩定的、高質量的研究團隊。數據管護的知識基礎集中于數據管護對科研活動的新價值、數據管護的軟硬件設施的建設、數據管護在具體學科的應用、數據管護的利益相關者以及圖書館的服務模式。基于上述對國際數據管護研究的英文文獻的梳理，望能為國內開展數據管護研究帶來啟示與借鑒。
參考文獻：
[1] 吳金紅， 陳勇躍， 胡慕海. e-Science 環境下科學數據監管中的質量控制模型研究 [J]. 情報學報， 2016， 35（3）： 237-45.
[2] 郭華東， 王力哲， 陳方， 等. 科學大數據與數字地球 [J]. 科學通報， 2014 （12）： 1047-1054.
[3] What is digital curation [EB/OL]. [2017-04-10]. http：//dcc.ac.uk/digital-curation/what-digital-curation.
[4] BEAGRIE N， POTHEN P. Digital curation： digital archives， libraries and e-Science seminar [EB/OL]. [2017-04-10].http：//ariadne.ac.uk/issue30/digital-curation/.
[5] CUNNINGHAM A. Digital curation/digital archiving： a view from the National Archives of Australia [J]. The American archivist， 2008， 71（2）： 530-573.
[6] MURAKAMI Y. Metal fatigue： effects of small defects and nonmetallic inclusions [M]. Amsterdam： Elsevier， 2002.
[7] LEE C A， TIBBO H R， SCHAEFER J C. DigCCurr： Building an International Digital Curation Curriculum & the Carolina Digital Curation Fellowship Program[EB/OL]. [2017-04-10]. http：///content/ist/ac/2007/00002007/00000001/art00025.
[8] LEE C A， TIBBO H R， SCHAEFER J C. Defining what digital curators do and what they need to know： the DigCCurr project[EB/OL]. [2017-04-10]. http：///citation.cfm？id=1255183.
[9] Shah C， Marchionini G. Capturing relevant information for digital curation[EB/OL]. [2017-04-10]. https：//ils.unc.edu/vidarch/Shah-JCDL2007poster.pdf.
[10] SHAH C， MARCHIONINI G. ContextMiner： A tool for digital library curators[EB/OL]. [2017-04-10]. https：//ils.unc.edu/vidarch/Shah-JCDL2007demo.pdf.
[11] BUNEMAN P， CHENEY J， TAN W C， et al. Curated databases[EB/OL]. [2017-04-10]. http：///citation.cfm？id=1376918.
[12] BUNEMAN P. The Two Cultures of Digital Curation[EB/OL]. [2017-04-10]. http：//inf.ed.ac.uk/teaching/courses/ad/lectures04/buneman.pdf.
[13] RUSBRIDGE C， BURNHILL P， ROSS S， et al. The digital curation centre： a vision for digital curation[EB/OL]. [2017-04-10]. http：///abstract/document/1612461/.
[14] MCGINLEY M. The legal environment of digital curationCa question of balance for the digital librarian[EB/OL]. [2017-04-10]. https：///chapter/ 10.1007%2F978-3-540-74851-9_62？LI=true.
[15] WITT M. Institutional repositories and research data curation in a distributed environment [J]. Library trends， 2008， 57（2）： 191-201.
[16] ELTABAKH M Y， OUZZANI M， AREF W G， et al. Managing biological data using bdbms[EB/OL]. [2017-04-10]. http：///abstract/document/ 4497631/.
[17] BORGMAN C L. The conundrum of sharing research data[J]. Journal of the American Society for Information Science and Technology， 2012， 63（6）： 1059-1078.
[18] BORGMAN C L， WALLIS J C， ENYEDY N. Little science confronts the data deluge： habitat ecology， embedded sensor networks， and digital libraries [J]. International journal on digital dibraries， 2007， 7（1/2）： 17-30.
[19] TENOPIR C， ALLARD S， DOUGLASS K， et al. Data sharing by scientists： practices and perceptions [J]. PloS one， 2011， 6（6）： e21101.
[20] CRAGIN M H， PALMER C L， CARLSON J R， et al. Data sharing， small science and institutional repositories[J]. Philosophical transactions of the Royal Society of London A： mathematical， physical and engineering sciences， 2010， 368（1926）： 4023-4038.
[21] COSTELLO M J. Motivating online publication of data [J]. BioScience， 2009， 59（5）： 418-427.
[22] DOWNS R R， CHEN R S. Designing submission and workflow services for preserving interdisciplinary scientific data[J]. Earth science informatics， 2010， 3（1/2）： 101-110.
[23] LAGOZE C， PAYETTE S， SHIN E， et al. Fedora： an architecture for complex objects and their relationships[J]. International journal on digital libraries， 2006， 6（2）： 124-138.
[24] HEDGES M， HASAN A， BLANKE T. Curation and preservation of research data in an iRODS data grid [EB/OL]. [2017-04-10]. http：///abstract/document/4426919/.
[25] LYON L. Dealing with data： roles， rights， responsibilities and relationships. consultancy report[EB/OL]. [2017-04-10]. http：//opus.bath.ac.uk/412/.
[26] BRANDT D S. Librarians as partners in e-research Purdue University Libraries promote collaboration[J]. College & research libraries news， 2007， 68（6）： 365-396.
[27] LAGE K， LOSOFF B， MANESS J. Receptivity to library involvement in scientific data curation： a case study at the University of Colorado Boulder[J]. portal： libraries and the academy， 2011， 11（4）： 915-937.
[28] BRAZMA A， HINGAMP P， QUACKENBUSH J， et al. Minimum information about a microarray experiment （MIAME）―toward standards for microarray data[J]. Nature genetics， 2001， 29（4）： 365-371.
[29] BALL C A， SHERLOCK G， PARKINSON H， et al. Standards for microarray data[J]. Science， 2002， 298（5593）： 539-539.
[30] SANSONE S-A， ROCCA-SERRA P， FIELD D， et al. Toward interoperable bioscience data[J]. Nature genetics， 2012， 44（2）： 121-126.
[31] HOWE D， COSTANZO M， FEY P， et al. Big data： the future of biocuration [J]. Nature， 2008， 455（7209）： 47-50.
[32] GOOD B M， CLARKE E L， LOGUERCIO S， et al. Building a biomedical semantic network in Wikipedia with Semantic Wiki Links[J]. Database， 2012， 2012： bar060.
[33] ASHBURNER M， BALL C A， BLAKE J A， et al. Gene Ontology： tool for the unification of biology [J]. Nature genetics， 2000， 25（1）： 25-34.
[34] APWEILER R， BAIROCH A， WU C H， et al. UniProt： the universal protein knowledgebase [J]. Nucleic acids research， 2004， 32（S1）： D115-D119.
[35] BAHL A， BRUNK B， CRABTREE J， et al. PlasmoDB： the Plasmodium genome resource. a database integrating experimental and computational data [J]. Nucleic acids research， 2003， 31（1）： 212-215.
[36] GOERTSCHES R H， HECKER M， KOCZAN D， et al. Long-term genome-wide blood RNA expression profiles yield novel molecular response candidates for IFN-β-1b treatment in relapsing remitting MS [J]. Pharmacogenomics， 2010， 11（2）： 147-161.
[37] 周喜斌， n文靜， 陳晶，等. 幾種 QSAR 建模方法在化學中的應用與研究進展 [J]. 計算機與應用化學， 2011， 28（6）： 761-765.
[38] FOURCHES D， MURATOV E， TROPSHA A. Trust， but verify： on the importance of chemical structure curation in cheminformatics and QSAR modeling research [J]. Journal of chemical information and modeling， 2010， 50（7）： 1189-1204.
[39] TROPSHA A. Best practices for QSAR model development， validation， and exploitation [J]. Molecular informatics， 2010， 29（6/7）： 476-488.
[40] FU X， WOJAK A， NEAGU D， et al. Data governance in predictive toxicology： a review[J]. Journal of cheminformatics， 2011， 3（1）： 24.
[41] WILLIAMS A J， EKINS S. A quality alert and call for improved curation of public chemistry databases [J]. Drug discovery today， 2011， 16（17）： 747-750.
[42] SCHENA M. DNA microarrays： a practical approach[M]. Oxford：Oxford University Press， 1999.
[43] TONG W， CAO X， HARRIS S， et al. ArrayTrack--supporting toxicogenomic research at the US Food and Drug Administration National Center for Toxicological Research [J]. Environmental health perspectives， 2003， 111（15）： 1819.
[44] PRYOR G， DONNELLY M. Skilling up to do data： whose role， whose responsibility， whose career？ [J]. International journal of digital curation， 2009， 4（2）： 158-170.
[45] TIBBO H R. Placing the horse before the cart： conceptual and technical dimensions of digital curation [J]. Historical social research， 2012，37（3）：187-200.
[46] LYON L. The informatics transform： re-engineering libraries for the data decade [J]. International journal of digital curation， 2012， 7（1）： 126-138.
[47] HSWE P. Data management services in libraries [EB/OL]. [2017-04-10]. http：///doi/pdf/10.1021/bk-2012-1110.ch007.
[48] CHOUDHURY G S. Case study in data curation at Johns Hopkins University [J]. Library trends， 2008， 57（2）： 211-220.
[49] DELSERONE L M. At the watershed： preparing for research data management and stewardship at the University of Minnesota Libraries [J]. Library trends， 2008， 57（2）： 202-210.
Research on Mapping the Knowledge Domain of Digital Curation
――A Bibliometric Study of Web of Science （1990-2016）
Yu Chenlin1，2
1National Science Library， Chinese Academy of Sciences， Beijing 100190
2University of Chinese Academy of Sciences， Beijing 100049
