发布时间:2023-06-02 15:11:15
序言:写作是分享个人见解和探索未知领域的桥梁,我们为您精选了8篇的人工智能调研论文样本,期待这些样本能够为您提供丰富的参考和启发,请尽情阅读。
关键词:智能科学与技术;课程体系;培养管理
1背景
智能科学与技术是当前科学研究和工程实践的理论与技术发展的前沿领域,智能科学与技术专业是一个多学科交叉的跨应用领域专业Ⅲ。智能科学技术的发展将把整个信息科学技术推向“智能化”的高度,这正是当代科学技术发展的大趋势,对于这方面人才的需求也越来越迫切。智能科学与技术培养掌握坚实智能科学与技术基本理论和系统专门知识,具备作为工程师或领导者及公民的良好人文修养,具有从事科学研究、工程设计、教学工作或独立担负本专业技术工作能力,深入了解国内外智能科学与技术领域新技术和发展动向,能结合与本学科有关的实际问题进行创新研究或工程设计的高级专门人才。
高校应稳妥发展与完善智能科学与技术专业的本科生教育,夯实本科教育基础并积极创造条件,大力开展创新教学,努力培养学生的创新意识、创新精神和工程实践能力,使之成为具有系统技术基础理论、专业知识和基本技能,良好科研素质和较强创造能力的智能科学与技术工程师。
2教学计划与教学管理分析
智能科学与技术属于计算机类专业,其必修课程设计原则是使学生具备计算机科学与工程的基础理论知识,尤其是大类专业招生教学的院校,通识课程主要是数学、物理文化基础,强调扎实的自然科学基础。专业教学的特色体现在专业必修和专业选修课程,专业必修课一般分为数学基础和专业课程。计算机类专业数学基础课程一般包括线性代数、微积分、离散数学、微分方程、概率与统计、数值计算等;专业课程一般包括程序设计基础、高等程序设计、数据结构、操作系统、计算机组成与结构、数字电路与逻辑设计等。
2.1学分
本科培养计划的学分中,国内外大学学分总数趋势是逐步减少,追求少而精。国内院校一般在130~190学分之间,如北京大学为150学分,清华大学为1 70学分,东南大学与浙江大学均为160学分,还有16学时为1学分的,也有18学时为1学分的。
中国台湾的大学一般在130学分左右。台湾交通大学最低毕业学分为128学分,其中必修课程须达76学分(共同必修58学分+资工组核心须达分+(资工组副核心课程学分+另2组核心课程学分)),专业选修本系课程须达12学分,其他选修课程须达12学分,通识课程须达28学分(含外语课程必修8学分)。台湾“中央大学”为136学分,台湾“清华大学”为136学分,其中必修和必选学分126,其他与导师商量决定。
美国的大学各校差异较大。美国的学分计算有4学期制、两长一短制及两学期制,其中加州大学伯克利分校为120学分,麻省理工大学为90学分,加州大学洛杉矶分校为186学分,斯坦福大学为180学分。
2.2教学管理
在教学管理上,斯坦福大学给学生提供了非常宽松的自由发展空间。新生入校后不分专业、不分学院。除了医学院和法学院学生需要经过一定的选拔程序外,本科生可以在入学后的前一个学期适当时候随意选择专业,并且选择专业后允许更改,只要毕业时满足专业培养方案即可。
国内的浙江大学是较早实行按大类招生的学校之一,分为大类培养、专业培养和特殊培养3类,前两年不分专业,按学科分类集中培养。
台湾的大学专业也是按大类完成前期的基础课程,再分小专业完成各学程,包括基础课、核心课和进阶课。
教学分组是现在的主流课程架构,也是体现专业方向的主要形式,分组课程是体现专业特色的课程组。国内清华大学采用的是分组教学;台湾的大学基本上采用的是以教学方向分组的方式,台湾的大学教学分为课程与修业、学分学程。
2.3实验与实践教学
计算机类专业各大院校都强调课程实验与实验教学,而目前课程该如何进行教学?这不仅是实验问题,如何以工程教育专业论证为目标,怎样使教学目标达到毕业要求是关键。做中学是主流实验教学方式,尤其是美国的大学,大作业体现的是实验与理论教学的结合,是考查学生是否理解理论知识的重要途径。学生不仅能够学习扎实的数学和计算机专业知识,还进行大量的实践创新训练。麻省理工大学、加州大学伯克利分校、加州大学洛杉矶分校、斯坦福大学都属于实践创新性教学模式。例如,斯坦福大学程序设计范式课程重点比较C、C++、Java的特点和难点,每1~2周有一次大作业,针对不同的任务,要求学生用不同的语言实现,使学生加深理解各类编程语言的应用场合;麻省理工大学的课程计划是必须先修12学分的实验课程,再修3门或4门核心课程,最后选择3门方向学科和1门关于该方向的实验课、2门专业拓展课。
3智能科学与技术课程体系分析
智能科学与技术课程体系在智能基础理论研究的基础上,需要安排基础性、通用性、关键性的智能技术研究,主要包括感知技术和信息融合技术;自然语言处理与理解技术;知识处理(认识)技术,包括知识提炼、知识分类、知识表示技术等;机器学习技术,特别是统计与规则相结合的学习技术;决策技术,即知识演绎技术特别是不确定推理技术等;策略执行技术,即控制与调节技术;智能机器人技术,特别是面向专门领域的智能机器人技术;智能机器人之间的合作技术;基于自然语言理解的智能人机交互与合作技术;智能信息网络技术。
国内最早创办智能科学与技术专业的学校包括北京大学,西安电子科技大学是第2批开始培养智能专业学生的院校。北京大学的本科教学计划中,专业必修课程(2分)包括:①专业数学/理论基础(15学分):算法分析与设计、集合论与图论、概率统计A、代数结构与组合数学、数理逻辑;②硬件与系统基础(分):数字逻辑设计、微机原理和信号与系统;③智能基础(5学分):脑与认知科学与人工智能基础。专业限选课程(15学分)包括信息论基础、计算方法B、数字逻辑设计实验、微机实验、数据结构与算法实习、机器感知和智能处理实验、智能多媒体信息系统实验。选修组合课程(29~32学分):学生按照自己的兴趣,参考智能的2个专业方向推荐专业课组合,自行选择,至少选修20学分的智能专业课程。公共核心+专业方向+新技术及其他:①公共核心课程(分):智能科学技术导论、模式识别基础、生物信息处理、智能信息处理;②专业方向课程(11~15学分):机器感知与智能机器人方向、智能信息处理与机器学习方向、新技术及其他。
西安电子科技大学智能专业主要课程包括电路分析理论、信号与系统、数字信号处理、数字电路及逻辑设计、模拟电子技术基础、微机原理与系统设计、数据结构、软件工程、人工智能概论、算法设计与分析、最优化理论与方法、机器学习、计算智能导论、模式识别、图像理解与计算机视觉、智能传感技术、移动通信与智能技术、智能控制导论、智能数据挖掘、网络信息检索、智能系统平台专业实验等课程及30多门选修课程。
建议各学校可以根据学院教学特色与实际需求,设计专业核心课程。北京大学偏重“信息处理”,湖南大学偏重“智能系统”,但需要强调的一个前提就是智能科学与技术专业属于大计算机类,更需要大EECS专业的基础。编程、电路、数学、数据结构、计算机系统这五大核心基础就是大EECS;其次是专业,计算机以系统结构、操作系统、网络、编译、数据库五大经典专业核心课为主,湖南大学的智能科学与技术专业强调系统,因此信号与系统、操作系统、嵌入式系统、人工智能是最基本的专业核心课,然后再分不同的分支。湖南大学智能科学与技术专业核心课程包括人工智能概论、机器学习、计算智能导论、模式识别、智能控制导论、智能数据挖掘、机器人学等;研究学位课程包括模式识别、人工智能等,主要体现为智能科学与技术基础(人工智能概论、机器学习、计算智能导论、模式识别)、核心(智能控制导论、智能数据挖掘)和应用(机器人学)。
4结语
(1)在课程计划实施过程中,教师需要遵循课程的时序图,即描述课程的进阶关系,从本科直到研究生,同时还可以实行一定的修课限制,如台湾交通大学计算机概论与程式设计和面向对象程式设计两科皆不及格者不得修数据结构与算法概论,若数据结构不及格不能修算法设计课程等。
(2)程序设计类课程用上机程序能力考试来设置合格条件,如台湾交通大学基础程式设计及格条件为通过“程式能力鉴定”,湖南大学则以CCF―CSP软件能力测试作为程序设计课程通过的考核标准。
(3)鼓励学生参与项目、竞赛等课外科技活动,如台湾“清华大学”的综合论文训练是由具有同等水平的项目训练成果或SRT(student research training)计划项目以及其他课外科技活动成果经认定后代替的。
(4)精炼的课程教学。核心课程应该精且必须加强课程实验,只有对方法和理论有正确的认识才能掌握这门课程,而动手完成实验才能真正融会贯通。麻省理工大学、加州大学伯克利分校、加州大学洛杉矶分校的学生具备扎实的数学和计算机专业知识后,都需要进行大量的实践创新训练。
一、管理会计课程的特点
管理会计是会计学专业的核心课程之一,该课程一般在基础会计、中级财务会计、成本会计课程的学习基础上开设。教学内容主要包括战略、预算、成本、营运、投融资、绩效等管理,教学方法一般采用理论讲述、案例分析等,教学学时一般50学时左右,教学采用“多媒体+传统”方式。该门课程与财务会计相比具有四个特点。(一)以财务会计提供的会计信息为基础。财务会计通过特有的确认、计量、记录、报告等方法程序,提供决策有用的会计信息。管理会计正是利用这些信息,进一步加工,用于组织的预测决策、规划控制等方面,以实现组织的价值增值为目标。技术方法用到较多复杂的数学计算,如回归模型、指数平滑、方案评价指标等。与财务会计相比,都是比较复杂的数学计算,学生只有具备相应的数学基础,方能学好。(二)将管理理论和思想融于会计。管理会计是管理学与会计学的交叉,在会计中融入了管理的理论和思想、理念。通过不同方案、不同指标的对比(静态的指标如投资回收期;动态指标如净现值、内部收益率等),帮助企业选择最优的方案,这是管理会计决策部分的主要内容。(三)方法程序灵活多样。管理会计是为企事业单位内部管理服务的,严格的会计准则、财务程序并不完全适用于管理会计,管理会计的方法、程序、工具,灵活多样,可以交叉使用,也可单独使用。
二、管理会计指引的实施有助于促进管理会计的发展
(一)管理会计指引的作用。为促进企业和行政事业单位加强管理会计工作,提升内部管理水平,促进经济转型升级,2014年财政部《关于全面推进管理会计体系建设的指导意见》(财会[2014]27号);2016年6月财政部《管理会计基本指引》,一系列文件的颁布实施改变了管理会计缺乏“规范”的局面。管理会计指引是从政府层面提出的应用管理会计的指示和引导,具有感召力和强制性,有助于促进单位充分利用管理会计的工具方法,提高管理水平,从而增强竞争力。(二)管理会计指引体系构成。管理会计指引体系包括基本指引、应用指引和案例库。基本指引、应用指引与案例,是管理会计龙头上的眼睛(于增彪,2016),用以指导组织管理会计实践。其中,基本指引在管理会计指引体系中起统领作用,是制定应用指引和建设案例库的基础,而应用指引则是对具体业务活动的详细要求,它们之间的关系类似于会计的总分类账户与明细分类账户。《管理会计基本指引》全文共6章29条,包括制定的目的、应用原则与应用环境、管理会计活动、工具方法、信息报告等。该指引在遵循战略导向、融合性、适应性、成本效益等原则的基础上,借助内外部环境因素,其中内部环境主要包括与管理会计建设和实施相关的价值创造模式、组织架构、管理模式、资源保障、信息系统等因素;外部环境主要包括国内外经济、市场、法律、行业等,通过规划、决策、控制、评价等管理会计活动的运作,运用战略地图、滚动预算管理、作业成本管理、本量利分析、平衡计分卡等模型、技术、流程等工具方法,进行战略、预算、成本、营运、投融资、绩效、风险等管理,提供具有相关、可靠、及时、可理解性的会计信息质量特征的财务信息和非财务信息,并进行定期和不定期、综合和专项报告,最终提高管理水平。之后,陆续实施22项《管理会计应用指引》,见下表。管理会计应用指引,是对单位实施管理会计工作的具体要求,具有指导性和较强的操作性。20世纪90年代后,河北邯郸钢铁公司实行的“模拟市场,成本否决”可谓成本管理在我国企业应用的典范。管理会计应用指引的设计以企业战略、预算、成本、营运、投融资、绩效、风险等七大领域的管理为依据,每一领域都有各自适用的管理会计工具方法。
三、互联网、人工智能在财务领域的应用给管理会计带来新的发展机遇
管理也是生产力。电子计算机在会计中的广泛应用,大大提高了会计核算工作效率。从会计凭证制作、记账到会计报表形成,计算机都能在程序语言的基础上全部完成,且快速准确,这样会计核算人员的需求数量相应的减少。更多的会计核算人员可以转岗从事管理会计工作,分析、重整财务数据,为决策提供依据。人工智能用于财务领域,一些程序化、重复性的工作,可以由智能机器人完成,会计人员可以从重复的、繁琐的工作中解脱出来;通过云计算处理财务数据,提高财务数据效能。这些新的技术在财务领域的应用,使会计工作重心发生转移,会计人员可以将精力用于开发思想、管理创新、提高组织管理效率,真正实现由核算型会计向管理型会计的转变,这为管理会计提供了新的发展机遇。
四、顺应新技术时代,改革管理会计课程教学
经济发展靠人才,培养人才靠教育。管理会计的广泛应用,必须培养管理会计专业人才。而管理会计人才的摇篮主要是高校会计学专业。因此,应该与时俱进,从培养方案修订做起,通过优化大纲、改进教学方法、提升师资水平、拓宽教学资源等,探索新技术时代背景下的管理会计教学改革,培养优质的管理会计人才,促进管理会计应用。(一)师资培训与提高。从高校会计学教学实践看,管理会计师资相对紧缺。许多高校虽然开设了会计专业,但大部分是财务管理、财务会计、税收、会计电算化等方向,管理会计的师资储备并不充足。管理会计课程“管理”的特点,也对管理会计教师提出了更高的要求,不仅要精通财务会计,还要具备较丰富的管理学知识、高等数学的知识等。尤其现在的互联网、云计算、大数据等,一方面为管理会计的发展提供了契机,另一方面也需要培养具备相关知识的管理会计教师。建议通过培训、专业跨转等形式,提高、充实管理会计师资,以满足新技术时代管理会计发展对师资的要求。(二)修订培养方案。培养方案是人才培养的纲领性文件,具有目标导向性。针对计算机、互联网、人工智能等新的技术环境,要充分调研兄弟院校的教学现状,实时修订培养方案。在新的培养方案中,突出管理会计的重要地位,整个培养方案的重心由会计核算型向管理型转移。聘请业内专家,对初步拟定的培养方案进行论证,并注意吸收来自会计实务界、毕业生等方面的意见或建议,不断优化完善。(三)削减财务会计的课程及学时。一般会计学专业的培养方案中,涉及财务会计的课程包括基础会计、中级财务会计、高级财务会计、税务会计、成本会计、政府及非营利组织会计。这些课程都是利用确认、计量、记录、报告等会计特有的程序,用借贷记账法记账,实现会计核算的职能。它们之间的差异仅仅是核算具体内容的区别,其所用的会计基本理论和方法是一致的。只要学生掌握了会计的程序和方法,就能很容易通过自学扩展不同领域的会计核算问题。笔者认为,完全可以合并或删掉某门课程,如将中级、高级财务会计、税务会计合并为财务会计,在基础会计学习的基础上开设。(四)增加管理会计的课时或增加相关课程。因国家对高校培养方案总学时有明确限定,现在总的趋势是压缩专业课比重。因此,在总学时数一定的情况下,压缩的财务会计的课时,可以用来增加管理会计的比重。通过增加管理会计课程的学时,加大案例教学、辩论式教学比重,剖析管理会计应用的成功案例及失败的教训,提升管理会计教学的深度和广度,开发学生的思维空间,培养创新思维及创新能力,提高其分析解决问题的能力,更好地服务于管理会计实践。(五)优化教学大纲。依据所修订的培养方案,撰写课程教学大纲。教学大纲应包括课程简介和课程教学大纲两部分。课程简介部分重在说明课程的类别、学时数、先修课程、所用教材、课程主要内容、参考文献及网络资源等参考资料,起到总括认识该门课程的作用。课程教学大纲主要包括课程的性质及任务课程、与其他课程的联系及分工、课程教学内容、学时分配表、教学基本要求、成绩考核说明等。课程内容应该按照章、节、问题等,尽量细化,并明确教学目的与要求、重点与难点,以便于课程的讲授。课程的考核应该明确具体,包括考试成绩、论文、案例分析等作业所占比重等。明确课程的主要参考书及网站,以便于学生课外研习。(六)选用优质教材、拓展学习资源。教材是教学的主要参考书,对学生的影响至关重要。应该优先选择国家精品课程教材、国家级规划教材。注意选择与管理会计课程、教材相适应的参考教材,促进学生从不同层面、不同视角对所学管理会计理论知识的掌握。避免因某种利益关系而选用质量低劣的管理会计教材。同时,借助主流网站,充分利用网络资源拓展管理会计课程的学习。如通过大中型企业的网站,查阅其管理会计实践做法,用所学理论分析、验证、反思企业管理会计实践。通过中国会计学会管理会计专业委员会网站,学习了解管理会计的学术前沿与管理会计面临的新问题,培养学生科学研究的思维及创新能力。通过浏览会计专业期刊网站,搜索研究有关管理会计论文,从中吸收管理会计思想和实践的营养,提高管理会计理论水平和实务能力。(七)教学方法与手段。以中国人民大学国家级优秀教材《管理会计学》(第七版)为例,管理会计课程内容主要包括变动成本法、本量利分析、经营决策、存货决策、投资决策、标准成本法、作业成本法、全面预算管理、业绩考核与评价。既包括管理会计的方法,也包括预测决策、规划控制与业绩评价,这些内容要求管理会计应采用多种教学方法,既包括对理论部分的教师讲述,还应该包括案例教学、讨论式教学、参与式教学等多种方法。案例教学要求教师通过案例内容的陈述与分析,将需要学生掌握的知识点、管理会计理论融入其中,提高学习兴趣,增强实践感知性。案例的来源可以多样化,可以选用中国管理案例库、期刊杂志中的案例等;也可以因地制宜,对案例进行修改,以便符合教学需要;条件成熟时,还可以利用寒暑假或与企业合作课题等机会,深入企业实际,自行编写具有自主知识产权的案例。这些案例,既是教材内容的补充和延伸,又能激发学生的学习热情。培养方案修订、学时的增加,使得类似“咖啡屋”、小组讨论、案例教学等方法成为可能。教学手段则可以根据内容,采用传统方法与多媒体相结合,(八)网络资源的学习引导。现在网络无处不在,网络资源丰富。在上述学习的基础上,教师可引导学生积极利用网络资源学习,如微课、慕课等,作为课堂学习的补充。中国会计学会、中华会计网校、各种期刊杂志网站、各级财政部门关于会计师职称考试网、大中型企事业单位网站、教育中介机构网站、大学精品课程与在线课程网站等,都具有丰富的管理会计学习资源。只要愿意学习,总能找到学习资源。互联网时代的学习,渠道和获取资料来源已经做到充分多元化。
五、结语
管理会计是价值创造的信息系统,国家要强大必须要有强大的企业,企业要强大必须要用管理会计(于增彪,2016),但管理会计是我国的短板(楼继伟,2016)。互联网、大数据、云计算、人工智能等现代新技术,为管理会计的发展提供了新的发展机遇。管理会计指引的实施为管理会计的实践提供了政策支持,这也给管理会计课程教学提出了新的、更高的要求。管理会计案例作为管理会计指引体系的构成部分,新技术时代的案例还相对匮乏。制作、编写新的管理会计案例的过程也是促进管理会计课程教学改革的过程,实现管理会计由“短板”到“升级版”的跨越,逐渐满足我国管理会计的需求(于增彪,2017),管理会计任重而道远。
参考文献:
[1]孙茂竹,文光伟,杨万贵.管理会计学[M].北京:中国人民大学出版社(第七版),2015.
理性选择理论对行为主体“认知”问题的学术处理,从“经济人”到“理性经济人”并没有显著的变化。古典经济学框架下的理性选择理论以完全信息假设为前提,将行为主体(个人)界定为无本质差异和不涉及个体间行为互动,不受认知约束的单纯追求自身福利的“经济人”(约翰·伊特韦尔等,1996)。新古典经济学的理性选择理论将行为主体界定为“理性经济人”,它同样以完全信息假设为前提,研究了被古典经济学忽略的选择偏好,通过对“偏好的内在一致性”的解析,论证了个体能够得知选择结果的抽象认知(Von Neumann and Morgenstern,1947;Arrow and Debreu,1954)。这里所说的抽象认知,是指行为主体没有经历具体认知过程而直接关联于效用函数的一种认知状态,这种状态在新古典理性选择理论中的存在,表明“认知”是被作为外生变量处理的。
现代经济学的理性选择理论开始尝试将“认知”作为内生变量来研究。现代主流经济学从人的有限计算能力、感知、意志、记忆和自控能力等方面研究了认知形成及其约束(Salvatore, 1999;Schandler,2006;Rubinstein,2007),认为认知是介于偏好与效用之间,从而在理论研究上处于不可逾越的位置,只有对认知进行研究,对偏好和效用的研究才能接近实际。现代非主流经济学注重于运用认知心理学来研究人的认知形成及其约束(Kahneman and Tversky,1973,1974,1979;Smith,1994),它通过实验揭示了一些反映认知心理进而影响选择行为的情景,如确定性效应、锚定效应、从众行为、框架依赖、信息存叠等,以论证传统理论忽视认知分析而出现的理论与实际之间的系统性偏差。
但是,经济学理性选择理论对认知的分析和研究,是在预先设定规则的建构理性框架内进行理论演绎和推理的,它们对认知的解释,通常表现为一种规则遵循。例如,新古典理性选择理论关注个体应怎样符合理性(最大化)的选择,而不是关注个体的实际选择,它对认知的学术处理是从属于效用最大化的(Harsanyi,1977)。现性选择理论所关注的,或是在忽略认知的基础上建立解释和预测实际选择的理性模型来说明实现效用最大化的条件,以阐释个体如何选择才符合理性(Edgeworth,1981);或是通过行为和心理实验来解说实际选择的条件配置,以揭示实际选择的效用函数(Kahneman and Tversky,1973,1974,1979;Smith,1994),因而对认知的学术处理同样是从属于效用最大化的。基于选择的结果是效用,而认知与偏好都内蕴着效用形成的原因,我们可以认为,经济学在将个人追求效用最大化视为公理的同时,也在相当大的程度上表明理性选择理论对效用函数的描述和论证,不是依据数据分析而是一种通过理论预设、判断和推理得出的因果思维模式。
因果思维模式在信息完全和不完全情况下的效应是不同的。在信息不完全状态下,如果研究者以信息完全预设为分析前提,依据自己掌握的部分信息对问题研究做出因果逻辑判断和推论,则其不一定能得到正确的认知。在信息完全状态下,研究者不需要有预设的分析假设,也不需要依赖逻辑判断和推论,而是可以通过数据高概率地获取正确的认知。经济学的信息完全假设对认知研究的影响是广泛而深刻的。例如,新古典经济学假设选择者拥有完全信息,能够实现效用最大化,它对偏好与认知以及认知与效用之间因果关系的逻辑处理,是通过可称之为属于该理论之亚层级预设的“给定条件约束”实现的(信息完全假设是第一层级预设)。在该理论中,偏好被规定为是一种处于二元化的非此即彼状态,认知在“选择者知晓选择结果(效用)”这一亚层级预设下被跳越。很明显,这种因果思维模式有助于使其建立精美的理性选择理论体系,但由于没有对认知阶段作出分析,它很容易严重偏离实际。
现代主流经济学的理性选择理论偏离现实的程度有所降低,原因在于开始重视认知的研究。半个多世纪以来的经济理论研究文献表明,现代主流经济学的理性选择理论正在做逐步放弃完全信息假设的努力,它对偏好与认知以及认知与效用之间因果关系的逻辑处理,是在质疑和批评新古典经济学偏好稳定学说的基础是进行的,该理论用不稳定偏好取代偏好的内在一致性,解说了认知的不确定性,以及不完全信息和心理活动变动等如何对认知形成约束,以此质疑和批评新古典经济学的期望效用函数理论,并结合认知分析对个体选择的效用期望展开了深入的讨论。相对于新古典经济学的理性选择理论,虽然现代主流经济学的理性选择理论仍然是因果思维模式,但它有关偏好与认知以及认知与效用之因果链的分析衔接,明显逼近了实际。
现代非主流经济学的理性选择理论不仅彻底放弃了完全信息假设,而且彻底放弃了主流经济学中隐性存在的属于新古典理论的某些“给定条件约束”。具体地讲,它对偏好与认知以及认知与效用之间因果关系的论证,不是基于纯理论层次的逻辑分析,而是从实验过程及其结果对这些因果关系做出解说。至于效用最大化,该理论则认为认知与效用最大化的关联,并不像先前理论描述的那样存在直接的因果关系。现代非主流理性选择理论通过实验得出一个试图取代传统效用函数的价值函数(Kahneman and Tversky,1979),该函数体现了一种以实验为分析底蕴的不同于先前理论的因果思维模式,开启了以实验数据作为解析因果关联的理论分析先河。但由于现代非主流理性选择理论毕竟还是一种因果思维模式,因而同先前理论一样,在理论建构上它仍然具有局限性。
从理论与实践的联系看,经济学理性选择理论的因果思维模式之所以具有局限性,乃是因为它用于分析的信息是不完全和不精确,甚至有时不准确,以至于造成认知不正确和决策失误。当研究者以不准确或不精确的信息来探寻因果关系时,极有可能致使认知出现偏差;而当认知出现偏差时,理论研究和实际操作就会出问题。诚然,因果思维模式本身并没有错,但问题在于,单纯从现象形态或单纯从结果所做出的理论判断和推论,不足以让研究者揭示真实的因果关系。人们对因果关系的理解过程伴随着认知的形成过程,在非数据支持的因果思维模式存在局限性的情况下,经济学家依据这种模式所构建的理性选择理论,难以得到符合实际的认知理论。那么,在未来世界是什么影响和决定认知呢?人类认知有没有可能达到准确化呢?我们把目光聚焦于大数据,或许能够找到问题的答案。
二 、运用大数据能获得正确认知吗?
在迄今为止的经济理论研究文献中,经济指标或行为指标所选用的样本数据,不是互联网和人工智能时代所言的大数据。大数据具有极大量、多维度和完备性等特征,极大量和完备性表明大数据有可能提供完全信息,多维度意味着信息可以通过大数据的相关性得到甄别和处理。广而论之,人类的行为活动表现为一个庞大的数据堆积,个别行为所产生的数据只是这个庞大数据的元素形式。如果我们以人们的投资和消费活动作为考察对象,对大数据蕴含的因果关系以及由此得出的认知进行分析,那么,我们可认为投资和消费不仅在结果上会产生大数据,而且在运作过程中也会产生大数据。换言之,投资行为和消费行为在“结果”上显示极大量数据的同时,也在“原因”上留下了极大量数据让人们去追溯。因此,人类要取得因果关系的正确认知,离不开大数据,而在样本数据基础上经由判断和推理得出的针对因果关系的认知,至少是不全面的,它不足以作为人们投资和消费选择的科学依据。
1、运用大数据分析因果关系的条件配置
人类认知的形成离不开因果关系分析,但运用大数据来分析因果关系以求获取正确的认知,必须具备以下条件配置:1、移动设备、物联网、传感器、社交媒体和定位系统等的覆盖面要足够大,以便能搜取到极大量和完备性的数据;2、需要探索对极大量(海量)数据的算法,能够对大数据进行分类、整合、加工和处理;3、需要厘清和区别数据的不同维度及权重,以至于能够运用大数据来甄别因果关系的内在机理。显然,人类从两百年前的工业革命到今天的信息革命,对数据的搜集、整合、加工和处理还不全然具备以上的配置条件,人类运用大数据来分析因果关系,还刚刚处于起步阶段。
联系经济学理论看问题,经济学家分析投资行为和消费行为以及对其因果关系的研究,主要是在抽象理论分析基础上运用历史数据来完成的。其实,对投资行为和消费行为的研究,不能只是从结果反映的数据来考量,即不能只是局限于历史数据分析,还需要从即时发生的数据,乃至于对未来推测的数据展开分析。这可以理解为是运用大数据思维来研究经济问题的真谛。从大数据观点看问题,投资和消费的因果关系应该是历史数据流、现期数据流和未来数据流等三大部分构成的。经济学实证分析注重的是历史数据流,很少涉及现期数据流,从未考虑过未来数据流,因此,现有经济理论文献的实证分析以及建立其上的规范分析,很难全面反映或揭示经济活动的真实因果关系。
2、未来几十年大数据揭示因果关系的可行性
在互联网悄然改变人类经济、政治和文化生活的当今社会,互联网的发展历史可理解为经历了三个阶段:从前期“人与信息对话”的1.0版本,经由中期“信息与信息对话”的2.0版本,近期正走向“信息与数字对话”的3.0版本,互联网版本的不断升级是大数据运用范围不断扩大的结果,这是问题的一方面。另一方面,随着互联网、移动互联网以及物联网技术等的广泛运用,人类各种活动的数据将极大量地被搜集,人们行为的因果关系也会以迂回方式通过数字关系显露出来。特别地,若互联网在将来发展成“数字与数字对话”的4.0版本,这样的发展方向则明显预示着数字关系将取代因果关系,或者说,数据思维将取代因果思维,人类将全面进入大数据和人工智能时代。
如果我们把互联网版本的不断升级以及大数据运用范围的无边界扩大,看成是未来几十年运用大数据来分析因果关系的重要配置条件,那么,如何对大数据的整合、分类、加工和处理,以及如何通过大数据的完备性和相关性来获取因果关系的真实信息,则是另外两个重要的配置条件。工业革命后的人类科学文明对因果关系揭示的主要方法和路径,是先利用掌握的信息再通过抽象思维建立复杂模型,然后在实验室通过试错法来设置能反映因果关系的参数使模型具有操作性;但这种方法和路径涉及的数据,是样本数据而不是大数据。在大数据和人工智能时代,智慧大脑是使用“数据驱动法”来设置模型和参数的(吴军,2016)。具体地讲,是用云计算集约化及其运算模式来整合、分类、加工和处理大数据,通过数据之间的相关性来探寻在样本数据基础上无法判断和推论的信息;同时,对模型的处理,不是建立复杂模型而是建立许多简单模型,并通过数以万计的计算机服务器对模型进行优化和设定相应的参数,以至于完完全全地运用大数据来揭示因果关系。
有必要说明的是,数据驱动法使用的数据不仅包括“行为数据流”,而且在某些特定场景中,还包括“想法数据流”;前者是指历史数据和当前发生的数据,后者是指从已知数据的相关性所推测的未来数据。社会物理学认为,人们实际行为与“想法流”之间有着可以通过大数据分析而得到的可靠数量关系,这种关系会通过互联网成为一种改变人们选择行为的重要因素(阿莱克斯?彭特兰,2015)。诚然,在未来几十年,数据驱动法是否能成功地成为解析因果关系的有效方法,尚有待于大数据运用的实践,特别是有待于它在人工智能运用上之成效的检验。不过,数据驱动法作为解析因果关系的一种重要方法,无疑是智慧大脑的人机结合在大数据思维上的重要突破,它至少在如何展开大数据思维上打开了解析因果关系的窗口。
3、运用大数据分析因果关系所获取的认知,包括对历史数据分析的历史认知,对现期数据分析的现期认知,以及推测未来数据而形成的未来认知
经济学家运用大数据来研究经济现象的因果关系,对经济现象原因和结果关联的解读,只有以极大量、多维度和完备性的数据为依据,才是大数据意义上的思维。大数据思维较之于传统逻辑思维,最显著的特征是它可以通过对不同维度数据之间相关性的分析,得到比传统逻辑思维要精准得多的信息。这里所说的精准信息,是指由大数据规定且不夹带任何主观判断和推测的信息。例如,经济学家要得到特定时期某类(种)产品的投资和消费的认知,其大数据思维过程如下:1、搜集、整理和分类前期该类产品的投资和消费的极大量和完备性的数据;2、加工和处理业已掌握的数据,并在结合利润收益率、投资回收期、收入水平和物价水平等的基础上解析这些不同纬度的数据;3、根据不同纬度数据的相关性,获取该类产品投资和消费的精准信息,从而得出如何应对该产品投资和消费的认知。当然,这只是在梗概层面上对运用大数据分析而获取认知的解说,现实情况要复杂得多。
然则,现有的关于投资和消费的模型分析以及建立其上的实证分析,主要是以非大数据的历史数据作为分析蓝本的,因此严格来讲,经济学对投资和消费的因果关系分析所形成的认知,属于典型的对历史数据分析所形成的历史认知。众所周知,自经济理论注重实证分析以来,一直存在着如何“从事后评估走向事前决策”问题的讨论。由于经济学家对投资和消费展开实证分析所使用的数据,几乎完全局限于(样本)历史数据,这便导致对投资和消费的因果关系分析对现期认知和未来认知的缺位,它不能解决“从事后评估走向事前决策”问题。国内一些著名的成功人士指责经济学家不能解决实际问题。在我们看来,不熟悉大数据的成功人士的这种指责是可以理解的,但深谙大数据的成功人士带有调侃风味的指责就不公允了。经济学家要在理论上立竿见影地解决实际问题,必须能得到现期数据和未来数据(而不仅仅是历史数据),这需要计算机学家的配合和支持,否则便不能在精准信息的基础上分析投资和消费的因果关系,但经济学家又不是计算机学家,因此,经济理论的科学化需要大数据挖掘、搜集、整合、分类、加工、处理、模型和参数设置、云计算等技术及其手段的充分发展。
历史数据是存量,目前计算机对其处理的能力已绰绰有余,难点是在于模型和参数设置;现期数据是无规则而难以把控的流量,对这种流量数据的挖掘、搜集、整合、分类、加工和处理,取决于移动设备、物联网、传感器、社交媒体和定位系统的覆盖面,以及云计算的集约化的运算能力;未来数据是一种展望流量,它依赖于对历史数据和现期数据的把握而通过大数据思维来推测。如果说经济学家对投资和消费的因果分析以及由此产生的认知,主要取决于历史数据和现期数据,那么,解决“从事后评估走向事前决策”问题,既要依赖于历史数据和现期数据,也离不开未来数据。也就是说,在“历史数据 + 现期数据 + 未来数据 = 行为数据流 + 想法数据流”的世界中,经济学家要解决实际问题,其理论思维和分析手段都受制于大数据思维,经济学家运用大数据分析因果关系而得到正确认知的前提条件,是必须利用历史数据、现期数据和未来数据以获取精准信息。
就人类认知形成的解说而论,现有的社会科学理论是以信息的搜集、整理、加工、处理、判断和推论,作为分析路径来解释认知形成的。当认知被解释成通过数据的挖掘、搜集、整合、分类、加工和处理而形成,对认知形成的解释,就取得了大数据思维的形式。大数据思维是排斥判断和推论的,它否定一切非数据信息,认为产生精准信息的唯一渠道是大数据。在现有的社会科学理论中,经济学的理性选择理论对人类认知的分析和研究具有极强代表性,经济学家对投资选择和消费选择的解释,便是理性选择理论的代表性运用。基于人类认知形成和变动的一般框架在很大程度上与理性选择理论有关动机、偏好、选择和效用等的分析结构有很强的关联,我们可以结合这个理论来研究大数据思维下人们对经济、政治、文化和思想意识形态等的认知变动。事实上,经济学关于动机、偏好、选择和效用等关联于认知的分析,存在着一种可以通过对大数据思维的深入研究而得以拓展的分析空间,那就是大数据思维会导致人类认知的变动。
三 、大数据思维之于认知变动的经济学分析
我们研究这个专题之前有必要指出这样一个基本事实:大数据思维可以改变人的认知路径,可以改变不同阶段或不同场景下的认知形成过程,但改变不了影响认知的动机、偏好、认知和效用等的性质规定。如前所述,传统经济学理性选择理论在完全信息假设下,认为个体选择的动机和偏好以追求最大化为轴心,传统理论的这个真知卓见从未被后期理论质疑;但由于传统理论的完全信息假设存在着“知晓选择结果”的逻辑推论,因而认知在传统理论中是黑箱,也就是说,传统理论无所谓认知的形成和变动问题。现代主流经济学尤其是现代非主流经济学在不完全信息假设下开始重视对认知的研究,在他们看来,认知形成过程是从理智思考到信息加工和处理的过程;他们特别注重从心理因素来考察认知变动(Schandler,2006;Rubinstein,2007;),注重通过实验且运用一些数据来分析和研究认知(Kahneman and Tversky,1974,1979;Smith,1994),但这些分析和研究不是对极大量、多维度和完备性的数据分析。因此,经济学理性选择理论发展到今天,还没有进入对大数据思维改变人类认知问题的讨论。
1、经济学家能否对选择动机、偏好和效用期望等进行数据分析,决定其认知分析是否具有大数据思维的基础
经济学关于人类选择动机、偏好和效用期望等反映人们追求最大化的基本性质分析,以及从这三大要素与认知关联出发,从不同层面或角度对认知形成的分析,主要体现在理性选择理论中。但这方面显而易见的缺憾,是不能对动机、偏好、认知和效用等展开数据分析。现实的情况是,在大数据、互联网、人工智能和机器学习等没有问世或没有发展到一定水平以前,经济学家对这些要素只能做抽象的模型分析。经济学理性选择理论要跳出抽象模型分析,必须选择具有解释义或指示义的指标对动机、偏好和效用期望等进行数据分类分析,以便给认知的数据分析提供基础,显然,这会涉及抽象行为模型的具体化和参数设计的具体化,需要得到大数据和云计算集约化运算模式的支持(吴军,2016)。作为对未来大数据发展及其运用的一种展望,如果经济学家能够围绕最大化这一性质规定来寻觅动机、偏好和效用期望等的特征值,并以之来设置参数和模型,则有可能对直接或间接关联于动机、偏好和效用期望的大数据进行分析,从而为认知分析提供基础。
大数据的极大量和完备性有可能消除信息不完全,这给认知的数据分析提供可行性。诚然,选择动机、偏好和效用期望等只是反映人们选择的现期意愿和未来愿景,其极强的抽象性决定这样的数据分析还有很大困难,但由于选择动机、偏好和效用期望等会通过实际行为迂回地反映出来,因而我们可以找到解决这一困难的路径。例如,人们在准备投资和消费以前,一般有各种调研活动,即对影响投资和消费的信息进行搜集、整合、分类、加工和处理,值得注意的是,这些调研活动会在移动设备、物联网、传感器、定位系统和社交媒体中留下大数据的痕迹,这些数据痕迹会从某个层面或某个角度显现出投资者和消费者选择动机、偏好和效用期望的倾向或意愿。
智慧大脑依据什么样的标准来数据化这些倾向或意愿,从而对选择动机、偏好和效用期望以及进一步对认知展开数据分析呢?这里所说的标准,是指通过云计算和机器学习等对人们实际行为的数字和非数字信息进行相关性分类,把反映选择动机、偏好和效用期望的具有共性特征的倾向或意愿进行整理和归纳,以确定符合选择动机、偏好和效用期望之实际的参数。如果智慧大脑能够利用大数据、互联网、人工智能和机器学习等完成以上工作,根据认知是偏好与效用的中介这个现实,智慧大脑便可以对认知进行大数据分析。如果经济学家能够利用智慧大脑提供的大数据分析成果,经济学理性选择理论将会随着信息不完全假设前提变为信息完全假设前提,选择动机、偏好和效用期望的抽象分析变为数据分析,认知的抽象框定或心理分析变为数据分析而发生重大变化。以上的分析性讨论,是我们理解大数据思维改变人类认知之经济学解释的最重要的分析基点。
2、运用大数据思维进行偏好分析会改变认知形成的路径,使经济学理性选择理论接近现实
现有的理性选择理论有关动机和偏好的分析和研究(这里集中于偏好的讨论),主要集中于偏好如何界定和形成以及如何随认知和效用期望调整而发生变动等方面,并且这些分析和研究是采用“个体行为”为基本分析单元的个体主义方法论。在大数据时代,虽然个人、厂商和政府的选择偏好仍然是追求最大化,个体选择行为仍然是整个社会选择的基础,个体主义方法论仍然在一定程度和范围内存在合理性,但互联网平台改变了选择偏好的形成过程和机理。具体地说,现今人们的选择偏好已不是经济学理性选择理论意义上的选择偏好,而更多地表现为是一种以最大化为底蕴的具有趋同化特征的偏好。例如,某种产品投资或消费的介绍会和研讨会,对某种产品投资或消费的点赞和评价,中央政府和地方政府关于某种产品投资或消费的统计数据,专家和新闻媒体对某种产品投资或消费的评说和报道,等等,都会成为人们选择偏好出现一致性的催化剂。因此,经济学理性选择理论跳出抽象模型分析,已经在偏好分析上具备了大数据思维的条件和基础。
智慧大脑与非智慧大脑的区别,在于能对人们消费和投资的偏好展开大数据分析,能通过大数据的搜集、整合、加工和处理,运用云计算得到来自不同维度数据之间相关性的精准信息,以至于能获取建立在大数据分析基础之上的认知。从理论上来讲,偏好会影响认知但不能决定认知。就偏好影响认知而论,它主要是通过利益诉求、情感驱动、身心体验和时尚追求等对认知产生诱导或牵引作用。但在非大数据时代,这些诱导或牵引作用无法数据化,于是经济学家对偏好影响认知的研究便只能以抽象模型来描述。大数据思维对偏好影响认知的处理,是使用以许多简单而相对具体的模型取代高度抽象的单一模型,运用数据驱动法来设置参数和模型,对利益诉求、情感驱动、身心体验和时尚追求等偏好特征进行解读,这样便实现了很多非数据化信息的数据化,从而使以偏好为基础的在理论上对认知变动的研究有了新的分析路径。
阿里巴巴公司正在奋力打造的线上和线下相结合的“新零售”模式,是以大数据分析和运用的阿里云平台为背景和依托的。这个模式试图通过充分搜集、整合、分类、加工和处理已发生的历史消费数据,正在发生的现期消费数据和有可能发生的未来消费数据,捕捉人们消费偏好的动态变化,以期构建符合大数据思维的全新商业业态。撇开新零售模式在运营过程中的诸如数据处理、机器学习和人工智能运用等技术问题,仅以该模式对人们消费行为的系统梳理、分级整合及相关处理来说,它无疑会在引领人们消费行为的同时促动消费趋同化偏好的形成。尤其值得关注和研究的是,随着该模式运营所积累的数据量全然达到大数据的标准,人们的消费认知将会在消费趋同化偏好的导引下发生变化,这种情形不仅会发生在消费领域,投资领域也会出现投资趋同化偏好。很明显,趋同化偏好具有共性特征,它在很大程度上是对个体选择偏好的否定,对于这种偏好所导致的认知应该怎样理解呢?这个问题需要进一步研究。
3、在大数据时代,趋同化偏好会改变认知形成过程,消费者和投资者的认知不再是自己独立思考和理智判断的产物,而是在趋同化偏好驱动下对智慧大脑认知的认同
厂商的投资选择偏好是追求利润最大化,这一永恒的事实不妨碍或排斥投资趋同化偏好的形成。一般来讲,大数据发展初期的互联网平台对选择趋同化偏好形成的作用力,在消费领域要比投资领域来得更加直接和迅速。究其原因,是两大领域的机会成本和风险程度不同的缘故。但随着大数据、云计算和机器学习等的充分发展,智慧大脑有可能对历史、现期和未来的大量投资数据进行搜集、整合、加工和处理,有可能通过云计算集约化模式来分析不同维度数据之间相关性而获得精准信息,同时,智慧大脑会根据市场“行为数据流”折射出“想法数据流”而产生预见能力,寻觅和遴选出高收益的投资方向和投资标的。若此,智慧大脑投资选择的胜算率(利润率)将会大大提高,厂商会效尤智慧大脑进行投资选择,从而出现投资趋同化偏好。经济学曾经对诸如“羊群效应、蝴蝶效应、从众行为、信息重叠”等现象有过许多研究(罗伯特?希勒,2001),但严格来讲,这些研究是描述性的,不是联系偏好和认知等的分析性研究。
消费和投资的趋同化偏好主要是针对消费者和投资者的选择行为方式而言的,它不改变消费和投资选择偏好的追求效用最大化的性质规定,这是问题的一方面。另一方面,在将来大数据充分发展的鼎盛时期,消费和投资的趋同化偏好会改变认知形成过程,这可以从两种意义上来理解:1、从原先通过对信息进行搜集、整合、分类、加工和处理来获取认知,转变为通过对数据的搜集、整合、分类、加工和处理来获取认知;2、消费者和投资者的认知不再是自己独立思考和理智判断的产物,而是在趋同化偏好的驱动下认同智慧大脑的认知。关于第一点,大数据思维的认知之所以会取代独立思考和理智判断的认知,乃是因为它能够运用云计算集约化模式将消费和投资的历史数据、现期数据甚至未来数据进行分类处理和相关性分析,能够运用数以万计的计算机服务器对特定事物的因果关系展开深度机器学习,从而通过分类和归纳不同维度数据而得到精准信息(精准医疗就是基于此原理)。人类对因果关系探索的手段和路径发生变化,认知的形成过程及其机理就会发生变化。
关于第二点,消费者和投资者在未来放弃对信息的搜集、整合、分类、加工和处理,认同和效尤智慧大脑的认知来进行选择,这可理解为是他们进行效用比较(投入与收益)时的“幡然悔悟”。尤瓦尔?赫拉利(2017)有关一切有机和无机实体都可以运用算法来解构的前景预期,(吴军,2016)关于未来制造业、农业、医疗、体育、律师业甚至新闻出版业都将由大数据统治的观点,凯文?凯利(2014)以大数据和人工智能为分析底蕴对新经济十大重要准则的论述,均认为具有大数据思维且不作出主观判断的智慧大脑将是未来世界的操控者,而Master和AlphaGo战胜世界顶级围棋高手的实践,则显露了人工智能完全有可能战胜人脑的端倪。现实中的普通消费者和投资者通常只是依据有限或不准确的信息进行消费和选择,经济学家也只是根据有限或不准确的信息进行因果关系分析而得出认知,因此,相对于智慧大脑的选择效用,消费者和投资者是相形见绌,经济学家的理论见解和政策主张往往不吻合实际。
智慧大脑是运用大数据思维而超越一般智人大脑的大脑。不过,从性质上来讲,极少数拥有智慧大脑的人通过对数据的搜集、整合、分类、加工和处理所得到的认知,仍然属于人的认知。需要强调指出的是,这种认知不同于经济学理论及其他社会科学理论所阐述和论证的认知,它是在大数据思维驱动下的人类认知。对于这种新型认知的理解,如果我们结合经济学理性选择理论对其展开解说,则有着基础理论的分析价值。
4、在未来,智慧大脑的认知将引领非智慧大脑的认知,其结果是导致认知趋同化
熟悉经济学理性选择理论的学者知道,无论经济学家是从信息的搜集、整合、分类、加工和处理获取认知,还是通过心理分析或行为实验获取认知,他们都是在不完全信息或有限理性约束下进行的,这不仅存在着以不精准信息推论认知的问题,而且存在认知形成过程的主观判断问题。智慧大脑运用大数据思维所形成的认知的最大特点,是在接近完全信息基础上获取认知的,并且不夹带任何主观判断。现代未来学家曾分别从不同角度和层面对大数据、互联网和人工智能展开了许多讨论,他们的共同见解是认为大数据的极大量、多维度和完备性将有可能解决信息不完全问题(包含信息不对称),并且能够给人类选择提供精准信息。倘若如此,人类的认知问题便完全成为智慧大脑对数据的搜集、整合、分类、加工和处理问题,一旦人类可以通过大数据思维获取精准信息和完全信息,经济学理性选择理论将会在根基上被颠覆。
智慧大脑只有极少数人才具备,绝大部分人(包括智人)都是非智慧大脑。在未来世界,智慧大脑将引领非智慧大脑进行选择。这一引领过程是由前后相继的两个阶段构成:一是智慧大脑运用大数据对偏好进行分析,通过互联网将偏好传送给具有从众心理和从众行为倾向的非智慧大脑,形成非智慧大脑的趋同化偏好;另一是智慧大脑运用大数据分析获取认知,同样是通过互联网让非智慧大脑效尤智慧大脑的认知,形成趋同化认知,从而使非智慧大脑以智慧大脑的认知为认知来选择。这些情形表明,未来人类智慧大脑将决定非智慧大脑的偏好和认知,进一步说,则是智慧大脑将影响非智慧大脑的选择行为。这里有一个极其重要问题须讨论:对绝大部分非智慧大脑而言,他们在选择过程中是否还存在认知?事实上,无论是趋同化偏好还是趋同化认知,非智慧大脑的偏好和认知并没有彻底消失,只是形成的路径和内容发生了变化。关于这个问题的讨论,联系经济学的认知理论进行比较分析,或许会有更深的理解。
如前所述,传统经济学以完全信息为假设前提,将认知作为理性选择模型的外生变量,“认知”是被理论分析跳越的。现代经济学以不完全信息为假设前提,在理性选择模型中,努力通过心理和实验分析把认知作为内生变量,易言之,“认知”被解释为个体对信息进行搜集、整合、分类、加工和处理的结果,显然,以上分析在分析对象、分析方法和分析路径上,是与大数据思维不同的。现代经济学理性选择理论所分析的个体,是通过逻辑推论所抽象出来的芸芸众生;虽然智慧大脑也可以看成是个体,但人数极少,是具有大数据思维之共同特征的个体。现代经济学理性选择理论是借助于偏好分析来研究认知的,虽然认知已在一定程度上被视为内生变量,但分析方法和路径仍然是逻辑判断或推论为主;大数据思维对认知分析将会采用的方法和路径,是搜集、整合、分类、加工和处理数据,试图从极大量、多维度和完备性的数据中获取精准信息以得出认知。因此,尽管认知出现了趋同化,人类在大数据思维下仍然存在认知,只不过是非智慧大脑放弃自己的认知而统一于智慧大脑的认知罢了。
总之,偏好和认知的趋同化显示了大数据思维的魅力,这种魅力根植于大数据能够经由智慧大脑而产生精准信息。其实,智慧大脑如何设置参数和模型,如何运用云计算集约化模式,如何利用互联网以及寻觅广泛使用人工智能的方法和途径等,主要是计算机运用层面上的技术问题。我们研究大数据思维下人类认知变动需要重点关注的,是非智慧大脑究竟还有没有认知,其效用期望会呈现什么样的格局?既然非智慧大脑只是没有独立认知而不是完全跳越了认知,那么非智慧大脑便存在着效用期望,关于这种效用期望,我们可以联系效用函数来解说。
四 、认知结构一元化与效用期望变动的新解说
经济理论对选择行为与效用期望之间动态关联所建立的基本分析框架,展现出一幅“偏好认知选择效用期望”的图景。各大经济学流派的理性选择理论对这幅图景中的 “”有不同的解说和取舍(前文有所涉及),概括来说,或侧重于分析这些箭头前后要素之间的相互关联,或侧重于分析这些箭头前后要素之间的影响和决定作用。但就人们选择动机和目的与效用之间的关联而论,几乎所有理论都不怀疑“追求自身利益最大化”的公理性,于是,“最大化”在成为效用函数核心变量的同时,也在一定程度上被作为理性选择的判断标准。以上图景的逻辑分析链是建立在信息不完全分析假设上的,各大经济学流派的理性选择理论对这条逻辑分析链各环节的不同解说所产生的理论分歧,可归结为是在信息不完全假设分析框架内的分歧。值得学术界关注的是,当大数据在未来有可能提供完全信息时,这些分歧将会让位于新的理论探讨。
经济学家对效用函数的研究是与认知分析紧密相联的。但无论是传统经济理论还是现代经济理论,他们对效用函数以及最大化问题的研究存在着共性,即这些研究都是建立在抽象的认知结构一元化基础上的。具体地说,传统经济理论在完全信息假设上认为,选择者可以得到“获悉选择结果的认知”,从而主张用“最大化”来描述选择者的效用函数。现代主流和非主流经济理论在不完全信息假设上认为,选择者受有限理性约束不可能得到“获悉选择结果的认知”,从而主张不可用“最大化”来描述选择者的效用函数。这里所说的抽象认知结构一元化,是指不是以具体的认知主体作为分析对象,而是把整个人类描述为一个同一的抽象主体,让“最大化”问题成为效用函数的核心问题。在大数据思维的未来世界,随着信息有可能出现完全化,“最大化”问题将会成为不是问题的问题。
诚然,智慧大脑对大数据进行搜集、整合、分类、加工和处理,并通过云计算、机器学习乃至于根据人工智能实践来选择参数和设置模型,仍然没有越出追求自身利益最大化这一效用函数的性质规定,但由于智慧大脑的认知形成过程是建立在具有极大量、多维度和完备性的大数据基础之上的,大数据能够提供完全信息的特点有可能会让智慧大脑取得效用最大化。人类绝大部分选择者是非智慧大脑者,从科学意义上来讲,大数据对他们可谓是长期的黑箱,而他们依据自己认知所做出的选择又不可能实现效用最大化,于是,非智慧大脑者将以智慧大脑者的认知作为自己认知而做出选择,这便形成了大数据时代实际意义上的一元化认知结构。如果说我们划分智慧大脑和非智慧大脑是对人类选择主体的一种新界定;那么,我们揭示这两大选择主体实际意义上的一元化认知结构,则是对大数据时代人类认知问题的一种新解说。
大数据背景下人类实际意义上的认知结构一元化,将是未来发展的一种趋势,相对于经济理论抽象意义上的认知结构一元化,它容易把握和理解。但它在将来能否成为一种固定化趋势,取决于智慧大脑在经济、政治、文化和思想意识形态等领域进行选择时获得的效用函数值。对于该效用函数值的预期,大数据思维下的智慧大脑是具备这种能力的。从经济理论分析看,对效用函数值的讨论,将涉及内蕴且展示效用函数的效用期望问题的讨论。传统经济学的期望效用函数理论,是一种运用数学模型论证选择者能够实现最大化的理性选择理论((Von Neumann and Morgenstern,1947;Arrow and Debreu,1954),现代非主流经济学是在分析风险厌恶和风险偏好的基础上,用一条S型的价值(函数)曲线取代传统的效用函数,并通过相对财富变动对选择者感受的分析,解析了选择者的效用期望会不断发生调整的情形(Kahneman and Tversky,1979)。那么,大数据时代选择者的效用期望会发生怎样变动呢?
人类社会发展的历史表明,人的主观期望与实际选择结果之间会发生经常性偏离。选择者的效用期望能否实现最大化,一是取决于选择者能否得到完全信息,另一是取决于选择者认知过程的科学化。事实上,现代经济学对传统经济学以最大化为核心的效用函数的质疑和批评,主要是围绕信息不完全和忽略认知过程展开的。大数据时代存在着提供完全信息的可能性,而智慧大脑利用互联网和运用云计算、机器学习和人工智能等手段,正在实现着认知过程的科学化,这便提出了经济学必须回答的两大问题:1、大数据思维下的人类选择是否可以实现最大化,2、大数据思维下选择者的效用期望会不会发生调整。这是现代经济学没有提及的两大问题,但当我们分别从智慧大脑和非智慧大脑来讨论这两大问题时,结论或许会让笃信经济学经典理论的学者大跌眼镜。
在未来世界,随着互联网平台的日新月异以及移动设备、物联网、传感器、社交媒体和定位系统等搜集大数据手段的覆盖面的日益扩大,大数据的极大量、多维度和完备性给人类选择提供了完全信息的基础。智慧大脑在云计算、机器学习和人工智能等的支持下,以数据分析为基础的认知过程也越来越科学化,于是,智慧大脑便可以知晓选择过程的结果,有可能实现最大化,这说明智慧大脑不存在效用期望的调整问题。另一方面,非智慧大脑以智慧大脑的认知为自己的认知,其效用期望完全依附于智慧大脑的效用期望。具体地说,非智慧大脑不对数据进行搜集、整合、分类、加工和处理,跳越了认知过程,同样不存在效用期望的调整问题。非智慧大脑效用期望完全依附于智慧大脑效用期望的情形,或者说,非智慧大脑以智慧大脑效用期望为自己效用期望的情形,统一于智慧大脑与非智慧大脑的认知结构一元化。如果要追溯非智慧大脑效用期望的变动,那就是从原先属于自己的效用期望转变成了智慧大脑的效用期望。
智慧大脑有可能实现最大化,以及不存在效用期望调整是一回事,但智慧大脑能否在所建模型中给定效用期望值却是另一回事。效用期望作为一种主观预期或判断,它不会在互联网上留下可供大数据分析的历史数据流、现期数据流和未来数据流,也就是说,不会在互联网上留下可供大数据分析的行为数据流和想法数据流,这在决定智慧大脑难以跟踪、模拟和推论效用期望值的同时,也给非智慧大脑放弃认知而效尤智慧大脑提供了某种聊以。推崇人工智能可以替代人脑的学者,好用Master和AlphaGo战胜世界顶级围棋高手的事实作为这种替代的立论依据,但无论我们怎样在大数据分析、机器学习和人工智能运用等方面进行深度挖掘,也找不到智慧大脑能在所建模型中给定效用期望值的科学依据。智慧大脑不能确定效用期望值,也就规定了非智慧大脑不能确定效用期望值。这又提出了一个在理论上有必要回答的问题:非智慧大脑还有没有效用期望?
在经济社会,智慧大脑和非智慧大脑的投资和消费选择的效用期望都是追求最大化,这一点是永恒的。但问题在于,非智慧大脑以智慧大脑的认知为自己认知,以智慧大脑的选择作为自己选择的情形,会使自己的效用期望完全停留在期望智慧大脑选择结果的形式上,这可以解释为大数据时代非智慧大脑的效用期望的一种变动。但对于这样的效用期望的理解,与其说它是一种效用期望,倒不如说它是一种效用期待。社会经济的精英是人数极少的智慧大脑群体,但推动投资和消费的是占人口绝大多数的非智慧大脑群体。因此,非智慧大脑群体的偏好、认知、选择和效用期望,应该是理性选择理论研究的重点。关于这一研究重点的逻辑和现实的分析线索,是大数据思维趋同化偏好趋同化认知认知结构一元化最大化效用期望。不过,这条分析线索包含着许多本文或有所涉及或尚未涉及的交叉性内容,它需要我们在继续研究大数据思维改变人类认知这一理论专题时,做出进一步深入的探讨。
论文摘要:随着高校规模的扩大和教育体制改革,教学评估工作量大大增加,其复杂程度也越来越高,开发高效的教学质量评枯系统成为当前的紧迫任务。
1开发教学质最评估系统的意义
①为学院师资队伍的科学管理提供可靠的依据和客观标准。②有利于完善学院的教学管理,使之更科学化、规范化,从而提高学院的综合竞争力。③促进教师自身的发展和提高,促使其发挥优势,加强弱势,达到全面提高的目的。④促进教师与学生的双向沟通和联系,使之更具广度和深度,促进教学双方更好地结合。
2需求分析
根据现代教育理论和评价理论,在对外语学院充分调研的基础上,设计一套科学合理的测评标准,能全面反映学院教师的师德风范、教学水平、教学态度和教学效果。
①操作简单。各类用户只需用账号和密码登陆,即可在权限范围内完成评价或管理任务。②评价指标体系完善。不同类型的课程评价指标也有所差别,需设置指标体系设置模块。③功能完备。系统不仅要实现学生评教,且要实现同行评价、领导评价。为防止部分学生恶意打分,需设置无效问卷设置模块,对异常数据修正,体现真实教学质量。④保密性强。充分利用学校现有数据库,自动提取信息,实现学生、教师、课程的对应,自动验证身份,同时设置浏览权限,保护教师及测评学生的隐私。⑤结果分析合理。应用人工智能对结果分析并提出合理化建议,达到以评促教的目的。
3系统相关技术
①面向对象。在系统的开发过程中进行业务调查并按照面向对象的思想来分析问题。将产生三种模型:功能模型:对象模型;动态模型。② B/S模式。以Web技术为基础的平台模式。把传统C/S模式中的服务器分解为一个数据服务器与一个或多个应用服务器,构成三层结构服务器体系。③ ASP.NET技术。是已编译的基于.NET的环境可用任何与.NET兼容的语言创建应用程序,从而简化页面的代码。
4评估指标设计
①教学质量的观测点:教学态度、内容、方法、效果等是主要观测点。态度包括严谨治学、为人师表、教书育人、备课充分;内容指掌握基本知识、概念熟练程度,理论准确度及先进性等;方法指采取的适宜的方法或手段,如启发式、讨论式、研究式及理论联系实际的状况;效果包括激发学习兴趣,提高对知识理解、掌握和灵活运用的程度,分析、解决问题的能力等。教学效果在一定程度上反映了教育品质、学术水平和教学能力。②评估指标:本系统采用多元化评估主体,即学生、专家、领导及教师自己。针对外语课程性质和特点,又分为理论课、听力课等,教学的单项指标不同可使评估指标的可测性更好,更真实地反映教师的教学情况。学生评估是教学相长原则的充分体现,学生对教师有最全面的接触和最深刻的了解,学生评估有无可比拟的优势。因此本文着重分析学生评估指标。包括学生对任课教师的评估、应届毕业生问卷以及在线预警。
5系统功能模块及流程
①系统流程图。②系统功能模块设计本系统主要包括五个模块:用户登录认证模块、评估模块、结果搜索排序模块、用户分级模块、管理员管理模块。认证模块验证用户是否合法,根据身份做相应的权限控制。其目的是避免数据的泄漏、非法修改或破坏。评估模块包括:领导评估、专家评估、学生评估和教师自我评估4个子模块。结果搜索排序模块的是对评估结果汇总排序,排出全院学期授课质量总分前20%、后l0%的教师以及应届毕业生问卷中最好和最差的教师。用户分级模块将用户分为二级:院(系)领导有权限随时查阅教师的评估结果;教师本人只能看自己的结果。管理员管理模块负责各级用户的密码和数据库整理。
6教学质量评估算法设计
我们在AHP( Analytic Hierarchy Process)层次分析法基础上,建立多层次、多目标、群组决策系统数学模。包括分析评估系统中各指标之间的关系,建立层次模型;对同一层次的各指标影响上一层次中某指标的重要性进行两两比较,构建两两比较判断矩阵;由判断矩阵计算子指标相对与其父指标权重,即层次单排序权重;计算各层指标相对系统评估目标权重,即层次总排序权重。同时利用群组决策判断矩阵算法实现判断矩阵修正,使其满足一致性条件,综合考虑不同评估团体参与决策或对评估影响,以及评语值的模糊性等,对各被选方案或被评对象进行优劣排序,最终得到评估结果。
由于高等学校短时间扩招,导致招生人数激增,在校生人数巨大[4]。再者,多数教师在承担繁重教学任务的同时,还有自身的科研项目,使得部分教师用于指导毕业实习的时间较少、精力不够。此外,教师与学生的直接交流少,部分教师甚至让研究生完全替代自己指导本科生论文。因此,对本科毕业实习不够重视,在帮助学生选择和确定课题过程中,没有引导和启发学生,没有指导好学生[5],选择的实习课题也多数存在“换汤不换药”的现象。同时,在实习过程中,导师对学生的要求不严格,导致学生懒散、不认真,甚至出现伪造数据和抄袭论文的现象。
二、生产实习管理松散
本科毕业实习期间多数存在实习与上课、考研、考公务员及找工作相冲突的现象。许多学生在毕业实习期间离校找工作,或者把大部分精力用在考研、考公务员等事情上,甚至不去做导师安排的课题任务。有的学生虽然参与了实习,但看到其他没有实习的同学,也慢慢产生了消极情绪,经常会找借口不去参加实验,最终导致毕业实习流于形式。另外,有的教师在指导学生实验实习时没有统一的要求,没有明确的目的,由学生分散独立完成,这样容易导致实习效果良莠不齐[6]。另外学校对学生实习目标和任务的管理比较模糊,对实习内容的考核缺乏严格的标准,所以很多学生经常以考研和找工作等借口,不去参加毕业实习[3]。有部分学生在实习期间,会去某些种子公司或中小学实习,这样可提高学生实践能力,让学生提前接触和认知社会,毕业后能在自己的工作岗位上游刃有余。但是这种实习方式也存在一定的问题,比如实习效果参差不齐,学生实习的积极性和实习单位的工作性质,都会影响到最终的实习效果。
三、提高农学专业毕业实习效果的对策
(一)采用“双向选择”方式,调动师生的积极性
首先,各院系应充分利用实习动员大会、座谈会等不同方式,对学生进行专业思想教育,使学生认识到毕业实习的重要性。同时,引导学生树立不怕吃苦、努力钻研、为农业科技服务的精神和决心。其次,实行“双向选择”机制,确定学生的指导教师。在大二下学期就给学生详细公布全院指导教师的具体情况,主要包括教师的年龄、毕业院校、学历、职称,具体研究方向及主要试验场所(如大田、实验室或外地)。让学生充分了解导师的情况后,再做选择。同时,向各指导教师公布学生的学习成绩和生活情况,教师再对自己名下的学生进行选择。每个指导教师指导学生的数量是一定的,尽量不出现两极分化的现象。这样一来,学生选择了自己感兴趣的研究方向和导师,导师也选择了自己中意的学生,极大地提高了师生的积极性。
(二)采用“集中”与“分散”相结合的实习方式
就河南的气候条件而言,暑期农作物种类较多、现场丰富,且正是农作物生长最旺盛的时期,根据这一实际情况原则上规定,毕业生在暑假和大四上学期集中进行毕业实习。同时,应该提前采用开会、谈话等方式,充分了解学生的毕业去向,如考研、考公务员、就业等,然后根据其就业意向,具体再安排其毕业实习时间。比如对于考研的学生,可将毕业实习安排在其考研结束后;对于选择就业的学生,可将毕业实习安排在大三暑假期间,随后可完全利用实习结束的时间去寻找就业机会或提前进入社会,提高就业率。
(三)严格实习管理,完善实习考核机制
实习期间各指导教师应执行严格的请假考勤制度,离开学校必须经过指导教师同意,对于无故不去实习的,报给辅导员,进行说服教育,情节严重的,给予一定处分。同时,由于毕业实习环节是一个比较复杂的过程,为确保实习质量,需制定一定的考核方式。考核内容包括实习日记、实习报告、思想作风及实习纪律、工作能力等几方面,以全面考核学生的综合素质,切实达到良好的实习效果。对表现优异的学生,给予一定的奖励和表彰,可优先推荐到合适的工作单位或高等院校。同时,也要对每位指导教师进行考核,考核主要通过学生打分、领导调研以及学生的毕业论文质量等方式,考核结果将与老师的职称晋升、年终考核等直接挂钩,进而提高指导教师对毕业实习的重视程度,达到更好的实习效果。
(四)充分利用学校现有的科研平台
关键词 神经网络;空调;应用
中图分类号 TP387 文献标识码 A 文章编号 1673-9671-(2012)071-0184-02
中央空调系统是一个庞大复杂的系统,主要包括:空调冷热源系统、水或空气系统、控制系统等,空调系统能耗与影响因素之间是一种多变量、强耦合、严重非线性的关系,具有很强的动态性。而人工神经网络可以实现从输入到输出的任意非线性映射,能够模拟高度非线性系统,具有较强的学习能力、自适应能力、容错能力和联想能力,已成为复杂的非线性系统建模、仿真、预测的新型工具,人工神经网络自20世纪40年代初被首度提出来以后,经过几十年的发展,广泛运用于模式识别和图像处理、控制与优化、人工智能等方面。随着我国空调事业的快速发展及节能减排新形下,人工神经网络在空调系统中的运用越来越受到广大暖通空调研究者的关注。
1 神经网络
神经网络是对人脑或生物神经网络的抽象和建模,具有从环境学习的能力,以类似生物的交互方式适应环境。人工神经网络是一个由大量简单的神经元广泛联接组成的复合系统,当系统被训练达到平衡后,由各个神经元的权值组成的整个网络的分布状态,就是所求的结果。网络学习的过程也就是各神经元权值的调整过程。人工神经网络根据连接方式不同可以分为两大类:无反馈的前向神经网络和相互连接型网络(包括反馈网络),图1为BP神经网络系统结构简图,BP网络就是一种误差反向传播的前向网络,神经网络的学习算法总体来讲可分为有监督学习和无监督学习。人工神经网络的具有强容错性、冗余性、鲁棒性和信息分布式并行处理及快速进行大量计算能力特点, 能适应复杂环境和进行多目标控制。
图1 BP网络系统结构
2 人工神经网络在空调系统中的应用
2.1 空调风系统方面的应用
变风量系统(VAV系统)的基本思想是:当室内负荷发生变化时,改变送入室内风量,以满足室内人员的舒适性或工艺性要求,实现送风量的自动调节,最大限度地减少风机动力,节约运行能耗。目前对变风量空调控制方法传统方法主要有:定静压控制、变静压控制、总风量控制等,但多数局限于的PID控制理论,对变风量空调这种非线性系统的控制精度难以保证。朱为明等人在VAV系统中采用神经网络预测优化算法对变风量空调进行控制,神经网络预测优化算法控制过程的节能范围为:6%-13.5%,与PID控制方法相比,神经网络预测优化算法的控制量之和减少6%以上,具有较好的节能效果。
2.2 空调水系统方面的应用
中央空调水系统主要包括冷却水和冷冻水系统,对于大型系统,管道长,系统热容量大、惯性大,被控系统水温和流速变化速度较慢,滞后现象严重,是一种典型的大滞后系统,对于过程纯滞后非线性特性,目前过程控制传统算法不具备克服滞后影响的能力,在稳定性和响应速度上都难以达到较好的性能指标。周洪煜等人利用了神经网络的非线性逼近特性、自学习、自组织的能力以及预测控制的滚动优化和反馈校正的特性,建立起的中央空调水系统的动态模型,作为预测控制器的预测模型,不需要对被控对象进行精确的辨识, 提出的多变量神经网络预测控制系统具有优良的控制效果,实现了空调水系统的自适应控制。何厚键等人在中央空调水系统的建模与优化研究中,利用前馈型网络结合BP算法建立了冷却塔和制冷机的神经网络模型,解决的具有高度非线性的中央空调水系统设备的建模问题。
2.3 制冷系统方面的应用
神经网络在空调中的制冷系统应用,主要体现在制冷机组优化控制和制冷系统的故障诊断两方面。在中央空调系统中制冷机组是能耗最大的设备,对制冷机组进行优化控制,提高其运行效率,是空调系统节能的重要途径之一。赵健等人在分析了影响压缩机运行效率的主要因素基础上,建立了以压缩机入口制冷剂温度、压缩机出口制冷剂温度和负荷为输入量,最佳吸气压力输出为输出量的BP神经网络模型。通过在线修正制冷机的吸气压力工作点,解决变负荷下,制冷机优化控制问题,大幅度提高制冷性能参数COP的值,降低了制冷机的运行能耗,与采用额定工况相比,采用神经网络优化控制方法的制冷机节能量约为44.8%。
故障诊断是一种了解和掌握设备在使用过程中的技术,确定其整体或局部是否正常,早期发现故障及其原因并能预报故障发展趋势的技术。在制冷系统的故障诊断方面,神经网络也发挥着重要作用,随着我国空调制冷事的蓬勃发展,制冷系统越来越复杂,故障的潜在发生点也越来越多,制冷设备的故障检测与诊断越来越受到人们的重视。胡正定等人在分析制冷系统常见故障特征的基础上,建立以压缩机进口温度、蒸发器进口温度、冷媒水进口温度、冷媒水出口温度、压缩机排气压力、压缩机吸气压力、压缩机出口温度、冷凝器出口温度等8特征征参数作为输入量,故障模式作为输出量的补偿模糊神经网络模型。仿真结果表明,系统的诊断结果且有较高的准确率。李中领等人在空调系统故障诊断中利用神经网络建立了三层BP网络模型,输入层节点个数为4,对应于4种故障现象,隐含层单元个数为4,输出层节点个数为12,对应于12种故障原因,输出节点值的大小反映了故障出现的可能性。
2.4 负荷预测方面的应用
空调系统逐时负荷的准确预测是实现现代控制的前提之一,准确预测空调负荷对空调高效节能运行具有重大意义,影响空调负荷的因素有空气温度、湿度、太阳辐射强度、人员、设备运行情况等,空调负荷与影响因素之间是严重非线性的关系,具有动态性。
2.5 空调制冷系统的仿真设计方面的应用
制冷空调产品设计中,大量地依赖样机的反复制作与调试,使得产品的设计周期延长,并影响性能优化,用计算机仿真代替样机试验,在计算机上面实现优化设计,使得制冷空调装置仿真技术近年来得到了迅速发展 。
2.6 大型建筑运行能耗的评价方面的应用
大型公共建筑指非住宅的民用建筑,包括办公楼、商场、宾馆、医院、学校等,大型公共建筑用能特点是单位面积耗能非常高,为每年100 kW/m2-300 kW/m2,而且我国大型公共建筑能源系统效率较低,浪费严重,其电耗超过公共建筑节能设计标准规定指标的10倍以上。大型公共建筑中央空调系统运行能耗的科学评价是对大型公共建筑进行用能科学管理的重要基础,赵靖等人基于BP人工神经网络,将冷水机组、冷冻水泵、冷却水泵、冷却塔、其它设备月平均功率、运行时间和气象特征共七个作为预测因子,空调系统总能耗为输出量,建立了大型公共建筑系统运行能耗的预测评价模型,仿真结果表明,网络的平均预测误差输出值约为3.3E-014,可以满足实际应用的要求。
3 发展方向
人工神经网络基于较强的学习能力、自适应能力、容错能力和联想能力,在暖通空调领域中的应用已经取得了突破性的进展。今后的发展方向主要有两个方面,首先,不断改进神经网络性能,提高其预测和控制精确度;另外,逐步使神经网络的实现由软件实现过渡到硬件实现,扩大其在空调领域的应用范围,也是今后的研究方向之一。
参考文献
[1]胡守仁.神经网络导论[M].北京:国防科技大学出版社,1999.
[2]候媛彬,杜京义,汪梅.神经网络[M].西安电子科技大学出版社,2007.
关键词:高职院校;职业素养;培养途径
良好的职业素养是高职院校学生技能学习以及创新能力培养的基础,也是影响其职业发展的重要因素。因此,明确高职院校学生职业素养的培养意义,立足当前我国高职教育的现实情况,探索一条科学合理的高职院校职业素养培养路径,提升高职生的职业素养十分必要。
一、职业素养国内外研究概况
(一)国内外研究概况。1.国外研究概况。美国学者莱尔斯潘塞提出著名的“冰山理论”,以漂浮在水中的冰山为例,将职业素养具体分成显性职业素养和隐形职业素养两部分。具体而言,显性职业素养恰如露出水面的部分,主要由职业意识、道德品质、职业作风、责任态度几个方面构成,是鉴别技校优秀者和一般者的主要指标。隐形职业素养影响显性职业素养的养成,高校应着重培养学生的隐形职业素养。美国一些学者从学生职业素养养成的途径展开实践研究,关注情商培养与职业成功的关系。通过一些实证研究发现,企业的绩效与员工的整体情商水平之间存在高度的正相关。美国高校根据学生的专业背景和自身特点,综合开设了不同类型的情商培养课程,主要有“独立设课”和“学科渗透”两种形态。例如,北卡罗来纳州立大学将情商中的“人际关系处理”作为一门独立的课程在本科生中开设,奎尼匹克大学商学院将情商元素融入到本科《管理学》。2.国内研究概况。国内对大学生职业素养研究开始于2005年,由于我国经济发展和高校扩招后带来的就业问题,越来越多的专家学者开始探寻造成大学生就业难的因素,逐渐将研究视角投向大学生职业素养上。笔者主要以中国知网中文社会科学索引文献(CSSCI)为检索数据库,检索了从2005年至今的关于大学生职业素养的论文四百余篇,其中针对本科院校的占比83%左右,高职院校占比17%左右。2017年我国高职院达1346所,与本科院校1533所不相上下,但研究的文献数量与院校数量不成正比。2005年至今,关于大学生职业素养的研究以教育学学科为主,此外还涉及到秘书学、文学、电影学、心理学、经济学、哲学等学科门类,这些论文对大学职业素养的关注和研究呈现出各有侧重的状态。具体包括这几类研究:一是对当前大学生职业素养现状的调查和解决问题的途径探索;二是以时代背景为研究视角,探寻大学生职业素养培养方式,例如工匠精神、人工智能;三是以就业为导向研究大学职业素养培养方式,例如从企业需求、面试等。这些论文主要从课程设置、学校制度、校园文化等方面探求培养大学生职业素养的有效途径。在大学生职业素养研究中,专家学者主要从理论研究上分析论证影响职业意识、职业道德和职业责任的因素,具有一定的学术价值,但是高职院校职业素养研究仍然存在着一定的不足和局限,包括研究规模、研究内容、研究方法等方面。具体表现为:一是研究规模的失衡,高职类的大学生职业素养研究文献仅占17%左右,与高职院校的数量在大学总数中的占比不成正比。二是研究的方法上,绝大部分的关于大学生职业素养的研究采用定性逻辑论证的方法,在大数据的时代背景下,迫切需要我们采用科技手段对大学生的职业素养进行精确分析研究,因此,需要加大定量方法在职业素养研究中的运用,使大学生职业素养研究更加具有实践的可能性。
二、厦门软件职业技术学院学生职业素养的现状
(一)学生职业素养的现状。2018年12月,我们对厦门软件职业技术学院学生职业素养培育状况进行了问卷调查及个别访谈。问卷调查分为学生版、教师版和企业版,其中,291名毕业生有效参与了学生版问卷调查,40名教师有效参与了教师版问卷调查,25家企业有效参与了问卷调查。此外,我们还对5家校企合作企业进行调研访谈。通过调研,发现高职院校学生职业素养培育状况呈现出以下特点:1.学生、企业管理人员对学生职业。素养水平认知基本一致学生在“你认为你哪项职业素养较强”问卷调查中,排名前三位的分别为“思维、沟通能力”“敬业”和“学习”能力。教师认为学生职业素养能力水平排名前三的为“思维、沟通能力”“敬业”和“创新”。从对企业调研结果看,企业对高职院校学生的沟通能力、敬业和团队合作等比较满意。2.校内职业素养培育的手段有待加强。在“你认为培养职业素养的主要场所是哪里?”的调查中,学生和教师都认为职场是职业素养培育的主要场所,远远超过了“学校”选项。从调查结果看,这在一定程度上反映出,学生和教师认为目前校内职业素养培育手段有一定的局限,高职院校在职业素养培育上未能充分发挥其作用,校内职业素养的培育手段还有待加强。3.社团活动等实践平台是校内职业素养培育的主要途径。在职业素养培育途径调查中,学生选择前三的为“社团活动”“班干部经历”和“职业拓展训练”。而教师在此项问题上,则呈现出与学生不同的选择,教师认为职业素养主要培养途径是“实习实训”“社团”和“课程教学”。调查表明,高职院校学生和教师都很注重实践平台对学生职业素养的培育,但学生认为课外实践活动对职业素养帮助更大,而教师更倾向于课堂教学。(二)存在的问题。1.课程教学功能还未充分发挥。学校作为学生与职场衔接的桥梁,担负着育人和为社会输送合格人才的重任。学校是学生迈向社会最后的“淬炼场”,需要对学生从专业技能到职业素养全方面进行塑造,课程教学则是培养学生的主要途径。但从调查结果看,更多的学生把课程教学简单地视为知识技能的获得渠道,职业素质的养成在课程教学中的成效较差。在日常的课程教学中,课程教学的教学目标设置相对单一,过多注重技能知识目标的实现,轻视职业素养目标。同时,专业教师对职业素养培养的意识不够,教师是课堂教学的引导者,他掌握一个课堂的方向。教师未能很好树立职业素养渗透意识,细化课堂的职业素养培养目标,以言传身教和课堂活动等方式,有目的地推进学生职业素养的养成。2.欠缺职业拓展训练。调查表明,学生十分认可职业拓展训练对职业素养的培养,目前的高职院校多是在职业生涯规划和就业指导等课程中,利用少量的职业拓展训练提升学生职业素养。但由于其量少且未成系统,并未能在全面系统培养学生职业素养上发挥作用。目前,大多职业院校在大一开设职业生涯规划课程,大二下学期或大三开设就业指导课程,中间欠缺连贯两门课程的职业拓展训练,导致两门课程在培养学生就业竞争力上存在断层。此外,丰富的职业素养课程,以选修课方式,利用现代科技手段,设置培养学生情商、逆商的慕课、微课,整合学生的零碎时间系统提升职业素养。3.校企合作有待深入。高职院校人才培养需要产业的引领,校企之间联动密切顺畅才能保障高校人才培养质量。从日常的企业走访结果看,无论企业还是高校,对校企合作都表现出极大的热情,65.79%的企业表示愿意保持长期的校企合作关系。但从目前校企合作的程度上看,校企合作仅停留在实训等部分的人才培养环节中,并未贯穿人才培养的全过程,企业参与人才培养的热情未能有效转化为教学成果。未来的校企合作不仅需要拓展合作的广度,还需在深度上不断探索新的形式。校企合作在人才培养方案设置、教学内容选择、师资队伍建设上全方位加深合作,企业应参与人才培育全过程共建人才培养体系。
三、高职院校学生职业素养的培养途径
[关键词]Internet 信息资源 开发利用
一、网上信息资源开发利用的必要性
网上信息资源又名网络信息资源,内容和信息都十分丰富,是集文字、图像、声音、视频为一体的多媒体信息。其包括超文本信息和超媒体信息。它们按非线性文本组织模式,将信息单元储存于节点,通过含URLdizhi地址的链接体现各节点之间的概念逻辑关系,从而形成网状结构。既可按线性顺序查阅,又可跳跃式浏览,与实体文献资源相比,具有如下的特点。
1.多样性
网上信息资源包括馆藏目录、电子书刊、各种类型的数据库、资源导航及搜索引擎、电子公告等。并以超级链接的方式将文字、图像、语音和视频信息链接起来,形成一个丰富多彩的网络资源。
2.无序性
网上信息以超文本方式而构成立体网状的形式,缺乏统一的控制,呈分散无序状态,可以根据节点任意跳动,而实体文献信息资源则自成体系,呈线性方式。
3.开放性
网上信息是开放、相关联的,可以通过链接任意检索信息。我们知道,通过internet,任意信息都可以传播到世界各个地方,只要将计算机连接在网络上,用户就可以快速得到这些信息。
4.动态性
网上信息资源跨地区分布,高速度传输,更新淘汰周期短,变化快、不稳定,呈高度动态性。由于网上信息资源从本质上改变了信息的创造交流和获取的方式,完全抛弃了传统的出版概念,实现了无纸化的出版,信息呈现很强的时效性。
5.互动性
网上信息资源具有很强的互动功能,可以形成广泛的论坛氛围,有关专家可以就某一专题开设电子论坛,网上直接反馈用户信息,参与交流讨论。
6.增值性
网上信息资源开发与建设的最终目的是服务。用户在网上利用各种手段查找所需的信息内容,在这一过程中信息被反复利用,不但不会导致网上信息资源损耗,反而可使信息增值。
由此可见,网络信息资源使实体文献信息资源在内容上和形式上有了很大的变化,这个巨大的信息资源库涵盖了不同学科、不同领域、不同地域、不同语言的信息资源,具有较大的灵活性。图书馆作为科研服务机构之一,不懂得如何有效地开发利用网络信息资源,就会失去对网络信息的“拥有”与“服务”。因此,网上信息资源的开发利用是实现信息价值转换一种典型的社会化智能活动。
二、网上信息资源的开发技术
1. push技术
传统的信息获取方式是基于Client/server模式,主要采用拉取(pull)的技术挖掘采集信息。但随着网上信息资源的丰富和多元化,这种方式已不能满足用户快速准确地获取信息的要求,引入了push技术,作为internet的一种新技术,提出了新的服务模式,即核心点放在服务方,不需要用户的请求,主动将信息送到用户方,在信息获取应用中它表现为push服务器自动搜集用户感兴趣的信息,并将其定期地传送给用户。其表现形式为:web服务器扩展;客户方式;Push服务器方式。
2.WWW信息挖掘技术
WWW的数据信息挖掘,指从大型数据库的数据中提取出用户感兴趣的文本型知识,这些知识是隐含的、事先未知的、潜在的有用的信息。而网上文本信息挖掘是在已知的数据样本基础上,得到数据对象词的内在特性.并以此为依据在网络上进行有目的的信息提取。这种信息挖掘能自动地提取相关文献之间的有价值的关系知识,并将这些知识以可视的、动态改变的方式反馈给用户。可视方式为用户提供了以直观的易于快速理解的知识掌握途径,而动态改变的方式则满足了用户的及时性要求。它由特征提取、源信息采集、特征匹配三部分组成。特征提取负责根据一定的算法和策略,从现有的样本文档中提取出其内在的特征,即进行挖掘目标的特征提取;源信息采集负责从WWW上选择下载原始文档,这部分工作一般由多个具有一定启发策略的Robot (Robot是一个能沿着Web页面中的超链接进行自动漫游,并通过HTTP等标准协议读取漫游到页面的程序)完成;特征匹配是利用挖掘目标特征判断源信息的相似度,即进行相关信息的提取。
3.联机分析处理技术
首先,联机分析处理 (OLAP)与数据挖掘 (DM)是基于数据仓库 (数据库)技术而发展起来的信息分析与挖掘工具,在实际应用中各有侧重。前者是验证型的,后者是挖掘型的。OLAP建立在多维视图的基础上,重在根据已有的模式将直接源自数据仓库中的不同信息源的大量相关信息联系起来,以给分析人员一个清晰、一致的视图。DM建立在各种信息源的基础上,重在发现隐藏在大量原始数据深层中的对用户有用的模式。被抽取的即知识,具备可靠、新颖、有效、易于理解的特点。其次,OLAP与DM相结合,即OLAM,兼有OLAP多维分析的在线性、灵活性和DM对数据处理的深入性,因而可在更高层次上满足网上信息分析与挖掘需求。目前OLAM正处于研究中,其核心点是:①OLAM建立在多维数据库和OLAP的基础上,能对任何它想要的数据进行挖掘;②用户对挖掘算法具有动态选择的权利;③具有超强的挖掘算法;④能够协调执行效率与挖掘的准确性之间的关系;⑤具有灵活的可视化工具和良好的扩展性。
三、网上信息资源的开发方法
1.常规性开发
由于网上信息不断更新,同时一些站点的URL也在变化,在开发网络信息时,应不断增加日常检索频率,把搜索网络信息纳入日常工作计划中,做到分学科、按课题和科研需求进行开发。此外,为了保证查全率,不要只使用某一种引擎对某一专题的信息检索,而要使用多种不同查询工具,对一种主题反复查询。
2.专题性开发
针对学科和学科建设,结合科研课题和研究领域等进行专题网络资源开发。在专用的网络服务器上把收集到的各种专业信息制作成网页放在网上,同时把相关专业的网络资源(如数据库、电子报刊、BBS、专题讨论等)以“友情链接”形式到网页上,以拓宽检索范围,使用户能方便快捷地从专门的网页上得到所需的信息,并结合信息咨询服务中的定题检索(SDI)、回溯检索(RS)、原文提供服务和进行科研项目查询(on.going re―search)服务开展工作,指导用户获取所需的二次及一次信息源。
四、网上信息资源开发的利用途径
1.熟悉网络信息资源特点及分布状况
了解常用信息资源的特点和分布方式,如国内外著名的科研机构、信息机构的特点和网址,及时而准确获得这些权威机构的信息。如世界卫生组织及一些重要的学会协会等,通过其主页经常一些重要的科研信息,对这些机构、学会的了解,可以帮助用户及时掌握最新科研动态。
2.合理配置网上信息资源
由于我国对信息资源在时间、空间、数量三方面的配置存在不同程度的问题,即在空间的分配不均匀,时间的分配不合理,数量的分配不均衡,所以优化配置网络资源尤为重要。在空间上注重网络资源在不同地区、不同行业部门的分布,在数量上对各种各样网络信息资源采取合理比例配置,在时间上调整好网络资源在过去、现在、将来三种时态上的配置。
3.建立学科信息导航库
为了提高用户检索的检准率和检全率,为了使网络信息有序化,建立学科信息导航系统,利用各种搜索引擎对某一主题信息上网查询、浏览并参考有关文献,选择参考价值较高的信息资源,由专业人员经过加工、组织、归类、设置类目,形成新的知识关联,产生出更高层次上的综合信息产品,方便用户查询。
4.利用国际联机检索系统
为了扩大获取信息的范围,一定要利用国际联机检索系统。其中最著名的是DIALOG系统。它是世界上最大的联机检索服务机构,有600多个数据库,涉及到全文型、数据型、事实型、指导型的数据库,有近3亿条的记录。涉及的学科专业范围广,检索功能强,数据更新及时,文献数据时间跨度大。是项目查新、文献调研、课题立项、论文撰写、专利申请等重要依据。它的联入方式可通过Telnet方式联入,也可通过www方式联机的超文本界面。
5.开展个性化服务
随着Internet信息技术和智能化技术的发展,借鉴人工智能技术将用户信息需求组成过滤条件对信息资源进行过滤,来实现把资源中符合需求的内容提取出为用户服务,从而形成一种因人而异的信息服务形态――个性化主动服务形态,即“信息找人”,更好地为用户提供信息挖掘服务。
6.加强网上搜集,增强针对性
对重点学科和课题除进行定期服务、跟踪服务、信息的调研等服务外,还要有针对性地广泛搜集实用网址。如农业学科可搜集作物学、园艺学、林学、植保、畜牧兽医、食品、水产养殖、生物学等方面的URL,还可收集一些农业研究机构、农业高等院校、农业国际会议等得URL。这样做,不仅使用户从虚拟馆藏中得到现实的信息资源,而且深化了网络信息资源服务层次。
7.成立网上信息资源开发部
在一定区域内建立网上信息资源新产品连锁服务站,并通过与企业、商业、旅游服务业、科研、教学等单位挂钩,向社会传播有关信息产品,同时编制各种网上“指南”、“索引”或“联机帮助”,指导用户有效的利用网上信息资源。
8.建立用户反馈意见栏目出版社
用户对网络信息资源的利用价值最有发言权,经求、收集用户对专业站点及其信息资源评价信息,可以把务握网络资源的内容质量、学术水平、编辑质量等,对筛选和评价专业网络资源具有帮助,只有了解用户需求,才能情报工作提高知识服务的水平,满足用户的信息需求。
9.举办多种形式的专题讲座和信息活动
参考文献:
[1]毕强.网络信息资源管理[M].长春:吉林科学技术.
[2]王淑群.网络环境下高校图书馆的用户需求与信息服[J].图书馆论坛,2007,(4):32-34.
[3]王建仑.网络科研信息资源的开发与利用[J].图书情报工作,2008,(2):37-39.