发布时间：2023-06-04 09:45:35
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篇的人工智能档案样本，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。
档案事业是一项社会基础性事业，也是记录历史、传承文明、服务社会、造福人民的重要事业。档案工作者肩负着资料调查、资料分析、资料整理上报和资料信息保存等重要职责，其工作能力、工作质量和工作效率将直接影响到档案资料的完整性、规范性、安全性和利用效果，对档案工作整体效能的充分发挥起着关键作用。新形势下，只有不断提高档案工作者的政治素养、专业水平、实际技能、服务意识，才能适应档案工作发展的新任务和新要求。
“胜任能力”的概念最早由哈佛大学心理学教授戴维?麦克利兰于1973年正式提出，是指能够将在某一工作中有卓越成就者与普通者区分开来的个人的深层次特征，它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能等任何可以被可靠测量或计数的、并且能够显著区分优秀与一般绩效的个体特征。本着系统性、相关性和可操作性的原则，可以将胜任能力定义为：在特定工作岗位、组织环境和文化氛围中，绩优者所具备的可以客观衡量的个体特征及由此产生的稳定的、可预测的、指向绩效的行为特征[1]。
关于档案工作者应具备的胜任工作的能力和素质研究，国内外有许多经验可供学习和参考。国内方面，韩萌[1]研究了档案工作者胜任力模型的构建与应用，李成[2]研究了档案工作者胜任能力模型的构建及评价，赵亮[3]构建了档案工作者胜任能力模型指标体系并进行了数据测算。国外方面，DCM监测委员会培训事务工作组的结果报告中研究列举了关于档案工作者能力的六种核心能力；澳大利亚1997年出版、2001年作出修改的《国家文件和档案能力》，列举了各层级的工作人员在从事工作中需要的特定技能知识及承担工作的态度表现等；尼德兰文化遗产协会于2002 年制定了一个涵盖文件管理和档案制度的9个部分的能力目录，另外建立了一个能够连接到能力要素数据库的网站，帮助档案工作者发展自身能力[2]。
本文从一个全新的视角，在构建档案工作者胜任能力评价指标体系的基础上，采用模糊层次分析法对评价指标体系进行研究，为全方位开展档案工作者胜任能力研究奠定了基础，同时为档案工作者入职录用、选拔晋升、培训教育、职业生涯规划等提供了有效手段。
2 与档案工作者胜任能力有关的因素
本文中提到的档案工作者，主要指负责档案业务流程中档案价值的鉴定、档案的收集、档案的整理、档案的保管、档案的检索、档案的提供利用服务和档案的编研工作的人员[3]。在文献查阅和调查研究的基础上，本文总结形成了如下与档案工作者胜任能力有关的关键因素。
2.1 档案价值鉴定能力
运用档案专业知识和技能对档案的真伪和社会价值进行甄别、评价和预测的能力，确定归档文件范围和保管期限。
2.2 档案收集能力
按照法律法规的规定，通过例行的接收制度和专门征集的办法，把分散在各组织、个人手中和散失在其他地方的?n案分别接收、征集、集中到各级各类档案保管机构中，实行集中统一管理的能力。
2.3 档案整理能力
按照一定的原则对档案实体进行分类、组合、排列、编号和基本编目，建立档案实体的管理秩序，使所保存的档案有序化、条理化的能力。
2.4 档案检索能力
对档案信息进行系统存储和根据需要进行查找的能力，档案检索是开展提供利用工作的基本手段，是开发档案信息资源的必要条件。
2.5 档案保管能力
对整理好的档案进行系统存放并进行日常维护、安全保护的能力，档案保管工作是档案管理中的一项重要内容，基本任务和要求是维护档案的完整与安全，便于调用。
2.6 档案提供利用能力
通过一定方式使档案资料直接为社会组织和公民服务的能力，是实现档案价值、发挥档案作用的途径。
2.7 档案研究能力
对如档案信息技术、管理技术、保护技术等的调查分析、理论研究和实践研究能力。
3 构建档案工作者胜任能力评价指标体系
3.1 档案工作者胜任能力评价指标体系的构建原则
评价指标体系的建立是为了评价一个档案工作者的胜任能力，为入职、晋升、培训教育等决策提供现实量化的依据。构建评价指标体系是一项复杂的工作，为了能够科学、全面地评价档案工作者的胜任能力，客观反映评价目标，构建指标体系应遵循以下原则：
3.1.1 系统性原则
档案工作者胜任能力评价指标体系中的各项指标之间不应是简单的堆积，而应具有较强的逻辑关系。
3.1.2 科学性原则
各项指标的释义应明确，测算方法应简捷，可采取定性与定量相结合的方式，全面、客观地评价档案工作者的胜任能力。
3.1.3 可操作性原则
评价指标体系中的各项指标应尽量选用可方便获取的统计数据，以便进行评价和对比。
3.1.4 稳定性原则
各项指标应受客观因素影响较小，相对规范且保持稳定。
3.2 档案工作者胜任能力评价指标体系的构建
依照与档案工作者胜任能力有关的关键因素及评价指标体系的构建原则，在分析研究国内外有关档案工作者胜任能力研究成果的基础上，建立如下档案工作者胜任能力评价指标体系（表1）。该评价指标体系的目标层是档案工作者胜任能力综合评价，准则层包括与档案工作者胜任能力有关的7个方面内容，指标层是将准则层各项内容细划为若干具体可定性或定量评价的指标。
4 应用模糊层次分析法对档案工作者胜任能力指标体系进行评价
4.1 评价方法的选择
本文构建的档案工作者胜任能力评价指标体系中，有些指标具有模糊、难以量化、非确定性的特点，为保证评价结果的科学性和合理性，本文采用模糊综合评价法与层次分析法相结合的方法即模糊层次分析法[4-5]。首先将与决策有关的元素分解成目标、准则、方案等递阶层次结构，运用层次分析法确定各指标的权重，再运用模糊综合评价法对指标体系分层次进行模糊综合评判，最后综合得出总的评价结果。该方法能够较好地解决模糊的、难以量化的问题，充分发挥决策人员有价值的经验和判断能力。
4.2 指标体系的具体评价过程
本文构建的档案工作者胜任能力评价指标体系是一个二级三层结构的指标体系，把指标层对准则层的评判看成第一级评判，把准则层对目标层的评判看成第二级评判，构成一个二级三层模糊综合评价模型[6-7]。
举例说明对某一档案工作者胜任能力进行评价，具体步骤如下：
4.2.1 确定评语集V=（胜任，基本胜任，不胜任）3个档次。
4.2.2 运用层次分析法确定各级指标权重：
4.2.3 按上述评语集对U1―U7中的各指标进行评判，建立模糊评价集如表2所示：
根据此模糊评价集可得出模糊评判矩阵，并进行第一级综合评估，最后进行第二级综合评估，得到最终总的评价结果。按照最大隶属度的原则，可得出该档案工作者胜任能力评估等级为：基本胜任。
1电子商务档案信息检索的智能化需求
电子商务档案信息智能化检索是历史发展的必然结果。电子商务档案信息是众多档案信息的一种,是伴随着电子商务的发展而产生的。从人类社会利用档案信息的历史发展过程来看,档案信息检索大致经历了自然检索、手工检索、计算机辅助检索、计算机智能检索四个发展阶段,电子商务档案信息的检索也不例外。随着计算机智能技术的发展,尤其是图情信息智能检索的最新成果,为电子商务档案信息检索的智能化发展注入了新的活力。电子商务档案信息存储形式多种多样,既有一般固定长度的信息,也有非固定长度的信息,既有用文字、数字表达的信息,也有用图形、图像、声音表达的信息、既有加密信息,也有不加密的信息,既有存储于本地存储设备上的信息,也有存储于异地设备甚至“存储云”上的信息。因此,对电子商务档案信息的智能检索意义重大。所谓“智能检索”,就是以文献和检索词的相关度为基础,综合考查文献的重要性等指标,对检索结果进行排序,以提供更高的检索效率。智能检索的结果排序同时考虑相关性和重要性,相关性采用各字段加权混合索引,相关性分析更准确,重要性指通过对文献来源权威性分析和引用关系分析等实现对文献质量的评价,这样的结果排序更加准确,更能将与用户愿望最相关的文献排到最前面,提高检索效率。由此可见,在电子商务飞速发展的今天,电子商务活动的全球化特征越来越显着,频繁的商务活动遍布世界的每一个角落,由此产生的电子商务档案信息越来越具有商务活动全球性、信息管理系统分布性、交易语言复杂性、交易方式多样性等特点。因此,传统档案信息检索工具已经不能满足用户的需求,智能检索工具的开发和使用必然成为信息时代用户畅游信息海洋的必然选择。同时,科技的进步,人工智能技术的发展,超大型计算机的使用也为电子商务档案信息检索智能化发展提供了技术支撑。未来电子商务档案智能化的发展将借助于人工智能技术的最新成果而更加人性化。将人工智能领域中的计算推理等思维活动渗透到档案管理的智能化应用中,利用人工智能的研究成果开展基于模式识别、物景分析的图形图像检索系统,满足用户对图形图像档案信息的检索需求,利用人工智能关于联想记忆模拟、自动定理证明、专家系统、自然语言处理等基础理论开展电子商务的自动谈判系统、跨越语言障碍的档案信息搜索工具,满足电子商务国际化的需求。例如:模式识别可用于基于图像的检索,而电子商务活动的基础就是建立在对图形、图像的选择上,交易双方首先是根据对被交易商品的图形、图像进行商务洽谈,然后达成交易意向。因此,对被交易商品的图形、图像的保存是电子商务档案信息的一个重要组成部分。再如,专家系统是智能检索实现的基础,而从海量商务信息中筛选出能够进行交易的产品信息离不开人工智能检索系统的应用。从电子商务档案的特征来看,有关电子商务档案智能化管理的需求更加依赖于图形图像智能检索工具的研究和利用,而对于图形图像智能检索工具的研究和利用始于二十世纪七十年代,首先开展的是基于内容的图像智能检索的研究,重点在于采用标注的方法对图像设置检索关键字,并建立文本数据库管理系统,从而实现对图像的智能检索。这种方法的缺点在于当图像数据库中图像数据较大时则检索较难实现,当图像内容复杂时,标注起来较困难,因此,这种检索方法同时还要求图像内容比较单一。而另一种基于内容的图像检索技术逐渐受到业界的关注即基于视觉特征的图像检索技术。由于任何图像都包含物体本身的纹理、形状、颜色、空间关系等特征,因此,基于视觉特征的图像检索技术采用提取图像所包含的纹理、形状、色彩、对象的空间关系等信息建立图像的特征矢量库,并以此特征矢量作为索引关键字。与以往采用人工标注方式对图像内容进行标注的方法不同的是视觉特征的提取是从图像中自动提取的,并且检索的过程采取视觉特征间的匹配。与传统的检索方法相比,基于内容的图像检索融合了图像理解技术,从图像的纹理、形状、色彩、对象的空间关系等维度分析图像的特征,从而可以提供更加有效的检索途径。已经投入运行的基于内容的图像检索系统包括:IBM公司的QBIC系统、Virage公司的VIR工程系统、MIT的Photobook系统、美国伊利诺斯大学的MARS系统等等。国内近年来对于基于图像颜色的检索系统的研究也取得了丰硕成果,例如:PhotoNavigator系统和PhotoEngi-neer系统。而这一发展方向更加符合电子商务的智能化发展需求。可以预计,为适应未来网络化、智能化以及个性化的需要,并行检索、分布式检索、知识的智能检索、知识挖掘、异构信息整合检索和全息检索、自然语言检索、跨语言信息检索、问答系统、概念空间、信息融合技术等检索技术都将在电子商务档案管理领域得以应用。届时用户将获得完整、准确、及时、有效的而且是简洁、明了的商务信息。
2电子商务档案应用的智能化趋势
电子商务档案是企业管理的重要组成部分,是企业从事商务活动中最原始、最可靠的数字化信息。充分利用电子商务档案信息,为企业发展提供商情预测、营销策划、客户关系管理、维护企业或经营者合法权益已经成为电子商务档案应用的一个重要领域。而电子商务档案应用的智能化趋势无疑已经成为电子商务行业的重要研究方向。
2.1客户关系管理的智能化。客户档案毫无疑问将是电子商务档案的一个不可忽视的组成部分。在企业从事电子商务的过程中,电子商务系统将提供一种商家与客户进行交流的新方式,这就要求企业管理者以全新的思维来看待客户关系管理。客户关系管理源于“以客户为中心”的新型商业模式,是企业树立以客户为中心的发展战略的核心部分。企业通过智能化的客户关系管理系统来加强对客户的服务提高客户满意度和忠诚度,提高企业效率和利润水平。通过客户关系管理系统企业加强与客户的联系、分析客户的需求、研究产品的市场、拓展潜在的利润空间、提高产品的市场竞争能力、改进企业的管理漏洞、吸引更多的优质客户进而达到优化、提升企业管理能力、提高企业利润水平的目的。而这一切的实现都依赖于智能化的客户关系管理系统、智能化的客户数据库的开发与应用。智能化的数据库技术是所有其他技术的基础。
关键词：人工智能；智能化计算机辅助教学；专家系统；知识库
中图分类号：TP18文献标识码：A文章编号：1009-3044(2007)12-21667-02
The Application of Artificial Intelligence in Education
HU Ji-li,YIN Yun-xia
( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)
Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.
Key words:Artificial Intelligence;CAI;expert system;knowledge base
1 引言
人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一，是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学、机器学习、计算机视觉等。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的，随着人工智能的诞生和发展， 人们开始把计算机用于教学领域。同时， 自七十年代以来， 有教学能力的专家系统得到研制。人工智能技术与专家系统的成就， 促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) ， 这便是智能型计算机辅助教学(CAI)。
近几十年来， 随着人工智能技术的日渐成熟， 它的一些研究成果被陆续应用到教学领域， 推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。
2 人工智能在教育中的作用
目前在教育技术中涉及到AI的主要有以下领域：
2.1 知识的表示与访问
基于人工智能的知识表示是以知识为对象，以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具，以哲学、心理学和逻辑学等为方法和指导，将知识表达成计算机可以直接处理的“知识库”，使用“计算机的智能”来模拟人类专家或“人类智能”，对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次，而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理，智能化的教学或创造。计算机辅助教育是其中重要的组成部分。
2.2 符号计算
符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica，当该软件在1988年第一次，对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时，商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程，从高中课程到研究生课程用它作基础。随着各种学生版的，Mathematica也已成为全世界各种不同专业学生的重要工具。
2.3 对学生错误的自动诊断
采用人工智能技术，使得教学过程中系统可以自动诊断学生的学习水平，不仅能发现学生的错误，而且能指出学生错误的根源，从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容，自动调整教学进度，自动选择教学策略与方法。
2.4 实现智能性超媒体教学系统
超媒体系统有理想的教学环境，容易激发学生的学习兴趣和学习主动性，但不能保证达到预期的学习目的，而且由于不了解所要教的对象，所以不能做到有针对性的指导，不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来，就可实现性能互补，从而研究制出新一代高性能的智能超媒体教学系统。
3 人工智能应用于教育的新方向：ICAI
3.1 传统CAI的不足
传统的CAI由于其集成性、交互性、多媒体性等特点，在教学中可以极大地激发学生的学习动机，提高教师的教学效率和学生的学习效率。但在使用过程中，CAI的一些弱点也逐渐暴露出来。主要表现有:
(1)缺乏人机交互能力
现有CAI 大多以光盘作为信息的载体， 将教材中的内容以多媒体的形式展现出来， 教学信息是按预置的教学流程机械式地提供给学生的， 学生接受起来很被动。而且在课堂教学中， 一般也只能通过教师按预定的课件流程进行操作， 无论学生还是教师都不能很好地参与教与学的过程， 因此人机交互没有很好地实现。
(2)缺乏教师与学生的互动
现有的CAI 课件在学生自学、进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学生的情况，学生在碰到问题时，也不能向教师求助，师生之间是互相封闭的，软件所起的积极效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI 课件是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。
(3)缺乏智能性
要想面对不同情况的学生进行不同程度的教学过程， 使学生的学习变为主动， 并能由系统自动地提供助学信息而有选择地学习，要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容， 给予不同方式的教学模式与方法， 没有智能性的CAI 课件系统， 是很难实现以上目的并达到良好教学效果的。由此可见，现有的CAI 随着人们要求的提高， 已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。
3.2 ICAI－人工智能与多媒体技术的结合
为了克服传统CAI的缺点，需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI)，智能计算机辅助教学(Intelligence Computer Assisted Instruction－ICAI)以认知学为理论基础。将人工智能技术应用于CAI，是智能化的CAI。在ICAI系统中，允许学生与计算机进行较自由的对话，学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度，并给予适当的反馈，而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能，模仿人类的交互方式、思维习惯及情绪流动，修饰和掩盖计算机的缺陷。
3.3 ICAI的优点
(1)将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略。
(2)通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议。
(3)通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。
(4)为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略。
(5)通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。
3.4 ICAI的标准
以现有的科学技术水平而言，短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为，只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。
(1)能自动生成各种问题与练习。
(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。
(3)在了解教学内容的基础上自动解决问题，生成解答。
(4)具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性。
(5)对教学内容有解释咨询能力。
(6)能诊断学生错误，分析原因并采取纠正措施。
(7)能评价学生的学习行为。
(8)能评价教师的教学行为。
不难看出，ICAI与传统的CAI相比，更加符合教育教学的规律，切合学生的认知习惯，具有明显的优越性。
3.5 ICAI的结构
ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。
(1)知识库
知识库是实现知识推理与专家系统的基础，而建造知识库的前提则是要解决知识的形式化，人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此，知识的表示与访问是人工智能的核心技术之一，也是将AI引入教育领域必须首先解决的一个难题。
ICAI中的资源库应该包括以下一些内容:
①多媒体素材库:包括所要呈现的知识的一些素材，包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理，便于分类、增删、修改及查询等操作。
②教学内容库:教学内容库用于存放教学内容，包括领域知识库(含辅助知识库、提示帮助库、练习题库，和测试题库)。这些教学内容，包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。
(2)学生模块
学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。
①学生登陆模块:利用该模块主要用于学生使用ICAI时登录，第一次登录时学生输人姓名、性别、年龄、学历等相关信息，然后对学生进行询问，选择合适的测验题对学生进行初测推荐学习计划。当再次登录时，系统根据保存的信息安排合适的学习内容。
②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析，可以比较确切地了解学生的具体情况，从而制定出合理的教学策略和教学过程
③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况，记录学生学习某教学单元时的参数值，并记录在学生档案中。包括:学生目前学习单元号；学习方式；正常学习、练习、提前浏览、学后复习；学习时间；学生提示问题的类型和次数；学生本次练习出错次数。
(3)专家决策模块
CAI中的专家决策系统可以看作专家系统中的推理机。专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力，从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。
成功的例子如:① DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果，对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。
ICAI根据学生模块提供的学生学习情况，通过智能系统的搜索与推理，得出智能化的教学方法与教学策略，能够较科学地评估学生的学习水平，还可以通过分析学生以往的学习兴趣和学习习惯，预测学生的知识需求和常犯错误，动态地将不同的学习内容、学习方法与不同的学生匹配，智能地分析学生错误的原因，进而有针对地提出合理的教学建议、学习建议以及改进方法，既提高了学生学习的满意度，激发了学生的学习热情，也对教师教学提供了客观的依据和科学的方法。
4 结束语
由此可见人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来，人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识，而采用“通过活动进行学习”的方式。在教学的其他方面，人工智能技术还可以建立人类推理模型学习工具等诸多的运用， 展示出越来越好的实用性。随着Internet 的发展，虚拟现实技术的广泛应用， ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，使人类扩展了自己的能力，促进了教育领域方方面面的改革。
参考文献：
[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2000.
其中大数据就像工业革命时代的煤一样举足轻重。人工智能需要数据进行训练。纵观应用级深度学习的成功案例，他们都获得了海量数据，像谷歌和Facebook这样的公司都可以获取大量数据，这种优势让他们可以创造更有效的新工具。
而机器学习是人工智能的核心，一套系统通过机器自我学习的方式来实现人工智能，算法则是机器学习的关键要素。滴滴搭建的核心算法模型，可以帮助实现更准确的预测能力、智能的调配能力，提高效率降低成本，达到最优运力调度。
云计算提供强大、灵活的计算能力，滴滴的业务场景对计算要求和实时性都非常高，用户输入一个目的地，最佳合理调度都由滴滴大脑以毫秒级的速度来计算，例如通过滴滴云计算搭建了大规模实时分单处理平台，可以实现多维度最佳订单匹配。滴滴平台已经有数万台服务器，未来两年服务器规模将达到数十万台。
滴滴研究院解决的技术难题，包括供需预测、路径规划、智能派单等都离不开算法，此外在提高用户乘车体验上，也引入了人工智能，比如服务分和机器判责等功能背后都是通过复杂的机器学习算法技术来实现的。
滴滴大脑每两秒进行一次判啵要考虑N步走法。打个比喻，每一次分单，就如同下棋，需要考虑之后N步的走法，也就是预测未来，滴滴大脑每两秒进行一次全局的判断，在迅速的大量计算中，完成全局最优的智能派单。
■供需预测
大数据的神奇之处就在于可以通过搜集到的数据，进行处理分析后，得到规律，然后利用这个规律来对未来进行预测。
最近比较有名的例子是一套名为MogIA的人工智能系统成功预测出特朗普将成为美国总统，这套亮相于2004年的系统，也曾经对以往三次总统选举进行过成功预测。大数据还可以预测天气、预测地震，甚至预测你会不会生病等，而在交通方面，大数据预测的能力就极为重要，可以预测什么时间什么地方会拥堵。
大数据预测的关键是有足够多的高质量的数据。当前滴滴在交通领域的数据量全球第一，每日峰值订单超过2000万单、每日处理数据超过2000TB，覆盖了交通路况、用户叫车信息、司机驾驶行为、车辆数据等多个维度，它所掌握的巨大的真实数据除了帮助预测路况外，还能对供需进行预测，供需预测越准确，越能更好地解决供需不平衡问题。
滴滴目前对15分钟后供需预测的准确度已经达到了85%，基于这样高的准确率，平台可以调度司机满足未来的打车需求，有效降低未来该区域供需不平衡的概率。甚至可以畅想，有一天滴滴将能精准地知道，星期五夜晚，雨天或雪天，港丽酒店门口有多少乘客需求，附近有多少运力。
■路径规划
路径规划和ETA两项地图技术是实现智能派单的关键，也将直接影响到司乘双方的使用体验。通过海量历史数据，可以对未来路况做预测，实现A点到B点的路径规划，它是派单的核心，工程师围绕最低的价格、最高的司机效率和最佳交通系统运行效率来做算法。
ETA指预估任意起终点所需的行驶时间，要求精准性。滴滴是国内第一家把机器学习成功应用到ETA的公司，这是解决“订单高效匹配”和“司机运力调度”的关键技术。当前滴滴ETA可以预测每一单出行的时长以及预估在每一个路口前的等待时长。有了这项技术，可以在更合适的时间对运力进行更好的调度。
■智能派单
用滴滴叫车，和搜索的逻辑不同，网上的商品、资讯等信息都是静态停留在那里，计算方式只是将这个商品、信息挖掘出来即可。而滴滴的计算则类似于动态打靶，车辆永远在运动当中，要在众多运动的车辆中，给乘客一个最优的选择，不只是距离，时间也是。也就是实现平台效率和用户体验最大化。智能派单对订单量和司机数进行预测，然后通过大规模分布式计算来实现上述的最优撮合。
为了实现这一目的，供需预测、动态调价、路径规划以及服务分的算法技术要一起发挥作用，他们最终为实现最优派单而服务，他们的算法都将结合到智能派单系统中，帮助在动态环境中撮合乘客与司机的交易。
据悉，目前高峰期滴滴平台每分钟接收超过3万条乘客需求，每两秒钟作一次订单匹配，每一次发单背后，滴滴大脑运算次数达到百亿次级别。
■服务分和司乘判责
滴滴使用大数据技术来预估每个司机的服务分值，包括乘客打分、乘客评价以及取消率等因素，并利用算法模型来计算不同服务水平的司机对用户产生的长期影响。
滴滴在2016年9月上线服务信用体系后，司机拥有个人专属的服务信用档案和服务分值，为乘客提供优质服务的车主可获得更高的服务分，从而获得更多的订单和收入。目前服务分已与滴滴的智能派单系统结合，在距离、车型等条件类似的情况下，系统将优先派单给服务分较高的车主，帮助服务优良的车主获得高的收入。上述服务信用体系就是利用人工智能建立算法模型来实现，该信用体系上线后，用户投诉率和订单取消率都显著下降。
保证安全体验，服务分是手段之一，提高司机服务质量，用大数据机器学习模型来计算司机当前服务分，通过交易引擎系统来保证服务分高的司机收入越高，司机就有动力来提高服务。
除了服务分外，滴滴还通过大数据和机器学习模型来进行司乘判责。服务分里重要的几项因素包括乘客取消订单、投诉，以及文字评价等，需要系统来做智能判责，针对当次取消行为，判断司机是否有责，乘客是否有责。在2016年12月15日，滴滴在全国上线了智能取消判责系统后，司机的满意度得到显著提高。
■九霄
九霄是滴滴大数据孵化的出行领域智能决策的技术创新产品。它能够把错综复杂的时间、空间、业务维度的n次元出行领域数据，转化成易于理解的2次元数据，搭建数据理解的桥梁；帮助运营、产品、BI、研发人员发现问题、分析问题、解决问题，产生切实的业务收益；提升业务决策效率和决策效益。
滴滴将出行领域的数据，进行整理、挖掘、智能聚合，在地图空间和时间轴上进行合理的呈现，使用户能够直观地感知在什么时间、什么地点、各个业务线的什么业务维度（乘客、订单、运力、体验等），发生了什么，方便深入追踪和探寻业务痛点和原因分析。
同时，利用机器学习、数据挖掘的方法帮助运营、产品、BI、研发人员发现/分析和解决实际问题，产生切实的业务收益。举个例子，比如通过九霄对地图上任意区域的供需平衡状况、订单满足情况能够一目了然，并且结合九霄的精细化分析能力，能够进行细化到某个地理围栏的供需策略，进行围栏级别的运力调度策略配置；（在代驾场景上）基于机器学习进行供需预测，判断哪些区域存在运力缺口，自动化调度司机调节供需平衡。
九霄通过科学可视化技术能力、算法能力和高性能架构能力，将数据变为知识，用知识武装决策、改变出行。
其一是信息不流通的问题，患者在不同的医院，需要那办理不同的就诊卡；任何一家医院的医生看不到患者多次就诊的完整临床诊疗过程，无法准确掌握患者完整诊疗过程和健康状况。腾讯先后通过微信公众号等产品，建立信息共享的医疗电子档案，以解决“信息孤岛”的问题。
其二是“看病难”的问题，名医的需求量很大，但是能诊断的病人有限。马化腾认为根源在于“医生怎么样才能够释放自己的能力”，希望通过信息化的手段，打造一个医疗团队，实行科学化的分层、分级，将一些简单的诊断交由助理、护士来处理，最后由名医诊断。这样可以成倍扩大医疗产能。
腾讯的“医疗能力超市”
这几年，在投资的同时，腾讯尝试做微信智慧医院、糖大夫、腾爱医生、觅影等，涉及了支付模式创新、慢病管理、人工智能等多个领域。
1. 智慧医院
早在2013、2014年，腾讯便提出微信智慧医院的概念，做的事情也很简单，依托于微信公众号的线上能力，帮助医院做挂号、信息流转等基础医疗服务；2015年——2016年，微信智慧医院的2.0版本提出以医院作为核心体系，挖掘医院流程里线上信息化、数字化以及互联网化能力；从2017年开始，以小程序、公众号作为整体服务入口，医保、商保、区块链技术、AI、人工智能在医院落地，这是智慧医院3.0版本。
2. 慢病管理
2015年，腾讯推出了一款检测血糖的智能硬件产品“糖大夫”，这算是腾讯第一次直接出手，那一年也是腾讯投资的高峰期。2016年3月25日，在“互联网+慢病管理”贵州模式会上，腾讯正式公布腾爱医疗战略布局，计划用智能终端、医生平台、“健康基金＋医保”的互联网金融、大数据这“四驾马车”连接医疗。但钛媒体注意到，近两年腾爱医生的相关动态逐渐变少。
3. 人工智能
2017年8月，推出AI产品“觅影”，同年11月科技部公布了“首批国家人工智能开放创新平台名单”，在AI+医疗方向上，将依靠腾讯公司建设医疗影像国家新一代人工智能开放创新平台。
“我们没办法改变供需矛盾、没办理控制需求，我们只能用科技的手段，用互联网的能力来缓解供求之间的矛盾，提升医院的效率。怎样帮医院做到这样的事情？这一定是医院主导，腾讯助力。”腾讯副总裁陈广域坦言，腾讯不应该做的是包办、代办，“我们希望合作方把我们当做一个超市，可以选择需要的能力，我们不能强迫你们选择不喜欢的东西。”
目前，腾讯医疗布局分为投资和自建两种方式。在自建中，腾讯分为两个团队，一个是腾讯医疗团队，负责的业务包括糖大夫、腾爱医生、企鹅医典、医疗云等，主要聚焦于医疗业务本身。另一个团队是“互联网+医疗”业务，该业务又分为两大板块：一个是微信智慧医院，包括挂号、处方流转、医疗咨询，利用互联网工具提升医院、医生效率；另一个方向是腾讯觅影，包括AI医疗影像、AI辅助诊断，探索AI如何进入到医疗比较核心的领域。
AI医疗的决心——腾讯觅影
精英团队打造精品应用
目前，国内医疗AI创业公司也多以影像识别为主，据统计，AI医学影像的创业公司多达几十家，医学影像识别成为医疗AI领域里较为成熟的垂直细分领域。医学影像成为“一枝独秀”的原因在于，影像数据获取相对容易，三甲医院设备都是GPS设备、全球顶尖设备。原始数据是电子化的，对于初创公司来说，一个是图像的质量，一个是电子化获取程度，都相对容易。”
2017年8月，腾讯了AI医学影像产品“腾讯觅影”，利用人工智能医学影像技术辅助医生实现早期食管癌筛查，凭借“觅影”腾讯正式进军医疗人工智能，加上早前的“百度医疗大脑”、阿里“ET医疗大脑”，BAT已经全部入局医疗人工智能。
腾讯在医疗领域有三个方面的积累：用户服务、数据能力、资源整合。而医疗AI以及影像识别是在学术科研上的应用；此外，在用户服务上，腾讯也涉及了预约挂号、在线问诊等业务。
腾讯觅影整合了腾讯内部几个顶尖的AI的团队，包括我们的互联网+部门，包括腾讯的AILab、腾讯优图实验室和架构平台部，可以说是汇集了腾讯最精英的人工智能技术团队。
从觅影产品的后端来看，是有一个AI医学实验室，除了顶级的人工智能算法专家之外，医学实验室也聘请了全国顶级的一些医疗影像科的医生和很多的全科医生，同时也会跟很多的医疗机构和医学院校以及各个地方政府共同去合作。
产品技术的应用
当前，觅影可以去辅助于这几项癌症：食道癌、肺癌、宫颈癌、乳腺癌和糖尿病引起的视网膜病变。
腾讯觅影可以把医生或PET系统（正电子发射计算机断层显像技术）里面的影像传到腾讯搭建的系统当中，再利用人工智能技术和算法判断这个片子是不是高风险的早期病症，诊断准确率达到90%以上。
腾讯觅影是怎么做到呢？在训练数据的采集方面，腾讯团队集中采集了几十万张中国人的同一病症片子。虽然全球有很多公司在做AI医疗影像，甚至有一些片子可能都有一些开源的，从网上可以下载到，但很多片子都是外国病人的，外国的数据去训练中国人的模型，准确率还是比较低的。
因为每种病灶只有一小块，大多数的区域是一个正常的，腾讯团队会把这个医疗原始的图片切成很小很多小的块，分别去估计每一个小块患病的概率，最后得出一个诊断结论。
从觅影的实际应用场景来看，一方面，腾讯在与三甲医院合作，提高三甲医院医生看病的效果；另一方面，团队希望更多地与基层医院进行合作，提高基层医院整个的诊疗水平。同时，觅影产品也会跟腾讯基金会合作，通过一些公益基金的项目，利用技术给国家和人民造福。
腾讯智慧医院3.0的创新解决方案
微信智慧医院3.0亮点颇多：不仅实现了连接、支付、安全保障和生态合作的四大升级，同时还加入了AI、区块链等全新技术，全面开放腾讯核心能力。
1. 连接升级
通过整合人社、医院、药企、保险等资源共同联动，提供在线咨询、处方流转、商保直赔等服务。以处方流转为例，在药品零加成政策背景下，基于腾讯支付、AI人脸识别、区块链等核心技术能力，连接医院、流通药企及用户，实现电子处方安全流转、全流程可追溯，助力医药分离。用户可选择药店取药、药店配送到家等多种购药方式。
2. 支付升级
支付场景升级，包括医院、药店、社康、保险更多场景均支持微信支付。比如，在医院可以使用微信公众号实现在线支付、处方单扫码付、终端机快捷支付等;在保险场景，可在线使用社保个账购买健康保险;在药店、社康场景下，可实现在线刷码支付，免带卡便捷购药等。同时，支付方式将医保、商保、自费等全部纳入，让消费者实现无缝支付。
3. 安全升级
微信智慧医院3.0能够全面保障实名安全、支付安全、数据安全和风控安全。比如，一直以来，医疗数据安全和患者隐私保障是医疗行业的核心问题。而区块链所拥有的多方共识、不可篡改、多方存证、随时可查等优势，使其成为医疗数据保管的最佳方案。智慧医院3.0就将运用区块链技术，为监管方、医院、流通药企搭建了一条联盟链，保障数据、隐私安全的同时，实现链上数据防篡改。
4. 生态合作升级
除了在自身能力方面，微信智慧医院3.0更加注重整个生态的合作共赢。从资金、资源、技术、产品四大维度，与合作伙伴联手，实现合作升级，推动业务有效落地，合力打造互联网+智慧医院的建设。
尾声与展望
腾讯的高管们曾多次公开强调：“互联网+医疗”是为医者赋能，需要发挥“连接、信任、融合”三大核心要素的作用，提升医疗服务效率，建立“医患”信任感，真正解决医疗行业的“痛点”，共建融合的医疗生态体系。
关键词：物联网；档案管理；智能化
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2012）11-0047-02
高校档案是衡量学校管理水平、评估教育教学质量、评价科技成果、考核教职工的重要依据。目前高校档案管理随着科技的发展，已经广泛应用了计算机、互联网等先进信息技术和设备，逐步向现代化管理迈进。在这一过程中，物联网跃入人们的视野，引起多个领域的关注。对于繁琐而复杂的高校档案管理工作来说，发展和应用物联网技术是一个值得深入探讨的课题。
一、物联网以及智能化趋势
目前国内比较公认的物联网概念为：通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络概念。简单说，物联网将各种感知技术、现代网络技术和人工智能与自动化技术等进行聚合和集成应用，使人与物智能对话，或者说在人的指令下进行物与物对话，从而在“物―物”相连的基础上实现智能管理。
物联网是继移动通信网、互联网之后的人类第三次信息革命浪潮。继2009年国务院正式批准同意支持无锡建设国家传感网创新示范区（国家传感信息中心）以
来，我国各地对发展物联网给予重视，长三角、珠三角、京津唐等各地重点培育物联网产业。2010年1月5日，国家发改委委托中国工程院启动我国物联网发展战略规划的研究，对智能物流、智能电网、智能交通、智能家居等行业展开调研。目前，工信部已将物联网规划纳入到“十二五”专题规划，正在积极研究推进。因此，可以预见，这样一种物与物智能相连的方式会逐渐进入人们的生活，甚至在许多情况下取代人对物的机械操作。
二、物联网与高校档案管理
需要说明的是，在物联网时代，几乎万事万物都处于物联网的智能状态下，可以智能相通。这里讨论档案管理的物联网，实质是说物联网中关于高校档案管理的部分，讨论如何让高校档案管理赶上和紧随物联网热潮，早日实现智能化管理。
高校档案管理是一项极其繁琐的工作，从档案的收集、整理，到鉴定保管、著录，整个过程纷繁复杂。单从档案收集来看，一所高校每年在教学、科研、党政管理、外事、财务等方面都有大量的文字材料、图像、音频和实物，要将这数万件文档、材料、实物收集分类，其工作量是可想而知的，而目前高校档案管理工作虽然应用了计算机等较为先进的设备或技术，大大提高了工作效率，但绝大多数工作还是以人工为主，管理方式相对来说远远落后于实际需求。加上各种各样的需求，不同的档案查询、检索，使得以人工管理为主的整个档案管理工作更为繁杂和棘手。一种智能化、自动化的管理方式是档案管理长期以来的需求，物联网正是提供这种智能化系统的网络，同时也是一种基础设施。正像创造智能交通、智能能源、智能城市一样，发展和应用物联网构建“智能档案”是必要而且必需的，基于物联网实现高校档案管理智能化是高校档案管理的迫切要求。
事实上，物联网是抽象出来的概念，它的具体业务形态已经存在于我们的生活中，并且初步实现了智能化，如ZigBee路灯控制系统、智能交通系统（ITS）、上海浦东国际机场防入侵系统等。我们可以从现有的互联网及其他信息科技中找到物联网的基础，体察到基于物联网的高校档案管理智能化的前景。从2009年无锡国家传感信息中心试点以来，一个物联网大发展的社会环境和科技环境在中国迅速形成：国家发改委在物联网应用示范试点方面，科技部在863计划等重大专项方面，工业与信息化部在物联网的技术标准和产业政策引导方面出台了针对性宏观举措；2010年6月23日，工信部通信发展司司长张峰在上海“2010中国国际物联网大会”上表示，物联网被正式列为国家重点发展的五大战略性新兴产业之一，将成为全球信息通信行业的万亿元级新兴产业，到2020年之前，全球接入物联网的终端将达到500亿个；在政府的重视与大力推动下，信息产业商家首先在物联网建设上倾注精力，中国移动、中国联通等与政府协议合作，在传感器技术、传感网络技术等方面推进建设；清华大学、北京邮电大学、东南大学等高校研究机构也成立了传感网研究中心；上海、北京等城市也相继成立了一系列颇具规模的物联网中心，将物联网作为一大产业全力推进，在物联网器件、芯片、材料、软件、服务等方面逐渐起步；传感系统和3G技术快速发展……借此之势，“智能档案”的物联网建设：一方面有社会环境，另一方面有科技基础，将物联网在信息产业的成果转接到档案管理中是完全有可能的，是可行的。因此，物联网是高校档案管理工作智能化建设的一大契机。
三、基于物联网的高校档案管理智能系统构建
（一）基于物联网的高校档案管理智能系统
高校档案管理物联网是一个基于物联网的高校档案管理智能系统，是利用各种感知技术获取档案信息，通过数据分析技术自动对这些信息进行鉴定、分类，并使之得到有效利用。可见，这一智能系统的基础是档案智能识别子系统、档案保存子系统、档案查询子系统，除此之外，还有系统维护和安全保证两部分。档案智能识别系统能够自动扫描出需要存盘的文件，并赋予这些文件统一的电子标识；借助M2M的联网通信技术，这些文件的电子标识会传送到数据子系统中进行分析，根据上一环节电子标识的区别而分类出不同的档案，并得出保存建议；在人工协助作出相应保存处理后，系统将保存处理数据和前期整理有效数据提取到查询子系统中，满足档案查询者的多种查询需求。在这个系统中，档案管理工作是由各个相互关联的子系统自动完成的，人只是做辅工作，或采纳与不采纳系统建议的决定工作。这样，通过机器与机器之间的信息交换和联通，档案管理的各环节工作在人脑之外自动关联起来，按照人预设的命令一步一步进行下去，并自动进行系统维护，提供安全保证。这就是基于物联网实现高校档案管理智能化的目标――智能档案。在智能档案的“照应”下，繁琐的高校档案管理工作不再牵制更多的人手，管理效率得到有力的提高，甚至可以做到随时从各个部门收集有保存价值的材料、档案，随时为各个部门提供“万能”的档案查询，为高校的其他各项工作做好“后勤”工作。
（二）高校档案管理物联网构建的难点和关键点
这样一个“全自动”物联网系统，从目前高校档案管理的基础来看，难点在于资金和技术。从某种意义来看，物联网是一项重要的国家战略，一项波及全社会的庞大工程，充足的资金保障是这一工程往下推进的基础。尤其是对高校档案管理来说，部分高校对档案管理工作还未给予足够的重视，多数高校档案馆在资金上存在着或多或少的困难，从而将档案管理工作局限在日常的人工材料保管上。物联网技术属于新兴科技，需要相对先进的机器设备，也有无数的技术难题有待探索和攻克，高精尖人才的培养和挖掘，这些作为前期投入，都需要强大的资金保证，这对于当前绝大多数的高校档案馆来说都是难点。
在保证资金的基础上，实现智能档案还面临技术难题。目前档案管理还处于人工主导的状况，谈物联网技术还言之过早，档案管理的自动化往往局限在自动化办公、电子档案管理上，要将档案管理推进到物联网时代，技术是瓶颈。在四大关键技术中，卫星定位技术和网络传输技术相对已较为成熟，商业化程度比较高，但RFID和传感器技术作为物联网业务的前提和基础，其核心领域尚未全面进入产业化。一方面，要实现智能档案，就要将这些相对成熟的物联网技术与档案管理对接、融合，使之为档案管理所用；另一方面，要着眼于新的物联网技术，研究和提高相对薄弱的技术，力图抢占物联网的产业化先机，使其在档案管理上大有作为。
（三）高校档案管理物联网构建的目标
简单说，智能档案系统的目标就是智能化，具体来讲，包括：实现档案物标识方法的一致性，档案流程管理的全自动，多种档案管理的一体化。
将可能成为档案的物品、材料都赋予一致标识方法的电子标签，就能让档案馆像超级市场扫商品条形码一样采录档案信息，是档案信息后期处理的前提。当然，这样的标识方法是需要高端技术支持的，仍需深入研究。将这些采集的档案信息传送到档案流程管理的软件中，这样的档案管理软件已出现在市场上，并且不少档案馆已应用这种软件管理。在这些软件的基础上，可以逐步实现对档案的自动分类、自动保存、智能动态调控和利用。这样，不管是电子档案、实物档案，还是纸质档案也将更合理地融入到同一管理系统中，科学地分类保存，提供更便捷和准确的查阅服务。这是高校档案管理物联网构建的目标，也是“智能档案”的方向。
有了资金和技术的支持，把握好物联网建设的关键点，集中力量重点突破，才能构建起高校档案管理的智能系统。乘着物联网建设之热潮，发展档案的信息化、自动化，繁琐的高校档案管理工作才会变得简单而高效，“智能档案”的前景指日可待。
参考文献：
[1]王炳辉.构建可运营可管理的物联网[J].信息通信技术，2010，（2）.
[2]黄家柯.物联网及其发展策略探讨[J].广西通信技术，2010，（3）.
本次成果展围绕“引领高精尖，科技创未来”这一主题，一方面以中关村互联网跨界融合创新工程、中关村“创业中国”引领工程为主线，突出展示中关村在把握首都城市战略定位，主动担当作为，有力推动全面深化改革、构建“高精尖”经济结构等方面取得的新进展和新成果；另一方面以互联网跨界融合为线索，围绕大数据产业示范应用、智能硬件、健康医疗和节能环保等中关村重点发展的战略性新兴产业领域，聚焦技术创新和商业模式创新融合催生的新兴业态，推出一批以智能、健康、环保为主导的创新技术、创新产品及整体解决方案，通过故事演绎、场景模拟、沉浸体验等方式，生动诠释“引领万众创新，助推大众创业”的理念。
本次成果展分为：智能硬件、智能制造、智能互联、智慧环境、智慧医疗、智慧农业、智慧生活以及众创空间等八个展区，展览面积3200平米，而精心的展陈设计，使观众犹如进行了一次旅行，亲身体验科技之旅、智慧之旅、创业之旅带来的惊喜。
科技之旅：体验以人工智能为代表的“高精尖”
想象一下，手机解锁只需要轻轻看一眼，用眼睛玩切西瓜游戏，躺床上看电影用眼睛来控制电脑或者pad，是不是觉得在拍科幻电影？中关村企业北京七鑫易维信息技术有限公司正将这一梦想变为现实，这是国内首家专注于眼球追踪、头动追踪、眼控智能眼镜的科技公司。此次在科博会展出的“全能眼”沟通辅具，可以帮助渐冻人用眼睛打字，实现与他人沟通。展望未来，眼控技术将在智能手机、智能眼镜等产品中得到广泛应用。
本次科博会中关村展区，像七鑫易维这样专注于人工智能的科技公司还有很多，为观众展现了智能插座、智能家居、智能机器人、智能通信设备等诸多智能产品，让参观者充分感受了中关村的“高精尖”。
在智能硬件展区，展会重点展示了智能传感器、智能终端、可穿戴设备操作系统、虚拟现实、人机交互、数据交换、跨屏适配和跨网互联等智能硬件关键技术及典型应用。蚁视科技等中关村公司都展示了领先的虚拟现实技术。展台前的观众十分好奇，踊跃试戴他们的产品。
在智能制造展区，展会重点展示了工业机器人、智能仪表、3D打印等智能制造装备在生产过程控制、生产环境监测、制造供应链跟踪、产品全生命周期监测和产品安全等关键领域的创新应用，以及工业云和工业物联网建设成果。其中O.ME（北京清大致汇科技有限公司）摆在展示桌上的带有机械手臂的3D打印机让人印象深刻。
在智能互联展区，展会重点展示了新一代移动通信标准创制、智能通信设备、安全服务、应用服务等技术在电子商务、新媒体、移动娱乐、车联网、互联网金融及网络虚拟化、网络安全和大数据应用等领域的典型应用。
当前，随着新一代信息技术的深入发展，智能化的浪潮向家居、可穿戴、汽车和制造等领域快速延伸，引起全球高科技企业、投资机构的广泛关注，智能产品正成为下一个全球经济新增长点。3月27日，中关村管委会和海淀区人民政府联合《中关村促进智能硬件产业创新发展的若干支持政策》，29条措施将从七个方面为智能硬件产业发展保驾护航。而中关村在北京建设科技创新中心和构建“高精尖”经济结构中的引领和带动作用也进一步凸显。2014年示范区全年实现企业总收入3.57万亿元，同比增长17.2%，利润和税收均增长20%以上。实现增加值4954.8亿元，同比增长14.8%，占北京市GDP比重23%，对全市经济增长贡献率超40%。技术合同成交额3136亿元，其中80%转移到北京以外地区。今年1季度，示范区实现总收入7212.9亿元，同比增长15.4%；工业总产值2005.0亿元，占全市约五成。
智慧之旅：体验互联网跨界融合带来的剧变
随着生活水平的提高，人们越来越重视自己的健康状况，而简单方便地了解家人的健康状况，是每个家庭的迫切愿望。中关村企业北京华卫迪特健康科技有限公司研发的医家通APP及其智能健康设备使这个愿望成为可能，还能对家庭成员健康状况进行有效管理。用手机连接医家通智能健康设备，用户在家就能自主完成血压、血糖、心电、体质等个人健康状况的检测，检测数据还能自动记录形成完整的健康档案。通过医家通APP，也可以把档案数据分享给自己的顾问医生，获得有针对性的诊疗建议。
本届科博会中关村展区，像华卫迪特公司这样的互联网跨界融合企业是本次展会的新亮点，智能施肥灌溉系统、智慧高效能效管理平台、米赫永久性人工角膜、Face++机器之眼等一批创新产品集中亮相，使观众深切体会到了互联网跨界融合带来的剧变。
在智慧环境展区，以绿色城市、生态家园为模拟场景，重点展示了一批在大气治理、垃圾资源化处理、水资源综合利用、污染源监测、生态修复、高效节能等领域领先的技术产品和整体解决方案。
在智慧医疗展区，以社区健康小屋为模拟场景，重点展示了一批在生物和新兴健康服务领域里具有智能化、小型化的创新产品和服务。
在智慧农业展区，以生态农庄为模拟场景，重点展示了智能温室、设施栽培、智能灌溉、无土栽培、灾害监测、土壤修复等技术在农业智能化、有机农业、新农村建设等领域的推广应用。
在智慧生活展区，模拟家居生活场景，重点展示了一批以网络信息技术为支撑的消费互联网模式创新产品及技术。
目前，中关村运用“互联网跨界融合”创新模式上促成了全方位、深层次的多方战略合作，利用移动互联网、物联网、大数据、云计算等技术推动信息化与工业化深度融合，催生了新一轮科技革命和产业变革，有利于改良传统企业生产、经营模式，促进生产、生活方式的转变，而且通过前沿技术研发和商业模式创新，催生了智慧农业、智慧医疗、智慧环境等新兴业态。
科技部火炬中心确定的《国家高新区互联网跨界融合创新中关村示范工程》显示，到2020年，中关村将成为全球互联网经济前沿技术、解决方案、新兴“高精尖”产业的发源地和离岸高端互联网服务的输出地，互联网跨界融合新兴产业与全球同步发展。同时，中关村将主要从三大方面支持跨界创新。一是实施十大中关村“互联网+”产业创新工程。包括智能制造、互联网金融、电子商务与智慧物流、智慧建设与智能建筑、智慧交通、智慧能源环保、智慧医疗健康服务、智慧农业、智能硬件与智慧生活、互联网教育与文化传播创新工程，加快互联网、物联传感网、云计算、大数据、人工智能等信息技术与各行业的融合发展。二是开展六大创新主体跨行业跨区域创新行动。重点开展企业技术创新突破、行业智能装备推广、网络互联互通与信息安全支撑、产业链协同创新合作、新模式新业态培育、跨界融合人才培养与创业促进行动。三是陆续出台一批促进跨界融合创新的支持措施。组建由科技部火炬中心、中关村示范区、国家高新区以及部分跨界融合企业、产业联盟组成的互联网跨界融合创新工程联席会，组织中关村与其他高新区开展对接合作。
创业之旅：体验“大众创新、万众创业”的浓郁氛围
越来越多的全球和全国科技企业都愿意把总部研发中心设立在中关村，越来越多的怀抱着创业梦想的人都愿意来中关村创业，越来越多的天使投资都愿意到中关村聚集――为什么他们会选择中关村？经过近30年的发展，中关村已经形成并正在持续优化以“领军企业、高校院所、高端人才、天使投资和创业金融、创业服务、创新创业文化”等六大要素和“市场、法治、政策”三大环境共同构成的创新创业生态系统。如今，这套生态系统已经成为中关村的核心竞争力，成为中关村独特的环境要素。
本次科博会中关村展区，继续展示了中关村创新创业生态系统，采用图片、数据、多媒体等方式，重点展示中关村在人才、技术、资本、市场、空间布局、政策创新、品牌和环境等方面的独特优势，为大家解读中关村的创业生态。
同时在众创空间展区，以中关村创业大街为原型，重点展示了创业咖啡、梦想实验室、产业联盟等创业服务机构和要素，通过产品展示、创意交流、项目对接等方式，展现中关村浓郁的创新创业氛围。创客邦、亚杰商会、启迪之星等创新型孵化器，组织数十家创业团队展示其创新产品；同时，展区还举行“中关村创客汇”活动，七鑫易维的眼控技术、蚁视科技的蚁视头盔等15个项目进行现场路演活动，让观众亲身融入中关村极具吸引力的创业氛围。
基于数据挖掘的数字档案信息管理研究浅析
在信息化发展的今天，图书馆，特别是大学图书馆不仅要对信息进行简单的数字转换和管理，更要对新兴事物网络进行档案化管理和归档，包括文档、文字翻译转换、图片资料、声像资料、多媒体远程会议等。所以网络档案化管理，成为当今图书管理的必然趋势，这就必须对档案化管理的技术和法律相关问题进行深入阐述和探讨。
所谓数据挖掘(Data Mining)，就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。这些数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本，图形，图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以进行数据自身的维护。数据挖掘借助了多年来数理统计技术和人工智能以及知识工程等领域的研究成果构建自己的理论体系，是涉及数据库、人工智能、数理统计、机械学、人工神经网络、可视化、并行计算等的交叉学科，是目前国际上数据库和决策支持领域的最前沿的研究方向之一。
一、数据挖掘的功能
数据挖掘通过预测未来趋势及行为，做出预测性的、基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识，按其功能可分为以下几类。
1、关联分析
关联分析能寻找到数据库中大量数据的相关联系，常用的一种技术为关联规则和序列模式。关联规则是发现一个事物与其他事物间的相互关联性或相互依赖性。
2、聚类
输入的数据并无任何类型标记，聚类就是按一定的规则将数据划分为合理的集合，即将对象分组为多个类或簇，使得在同一个簇中的对象之间具有较高的相似度，而在不同簇中的对象差别很大。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。
3、自动预测趋势和行为
数据挖掘自动在大型数据库中进行分类和预测，寻找预测性信息，自动地提出描述重要数据类的模型或预测未来的数据趋势，这样以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。
4、概念描述
对于数据库中庞杂的数据，人们期望以简洁的描述形式来描述汇集的数据集。概念描述就是对某类对象的内涵进行描述并概括出这类对象的有关特征。概念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述不同类对象之间的区别。生成一个类的特征性只涉及该类对象中所有对象的共性。生成区别性描述的方法很多，如决策树方法、遗传算法等。
5、偏差检测
数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是寻找观测结果与参照值之间有意义的差别。这常用于金融银行业中检测欺诈行为，或市场分析中分析特殊消费者的消费习惯。
二、数据挖掘在建设现代化高校档案馆中的应用
1、资源类数据包括馆藏档案经过数字化加工而产生的各类电子档案、电子文件中心中存储的各类电子档案、档案软件收集的信息、档案信息网建设和维护信息。我们从研究大学档案用户的信息需求出发，数据挖掘为大学档案馆全面掌握和准确理解档案用户的信息需求提供了方法。
(1) 利用Web访问信息挖掘技术发现其中的关联模式、序列模式和Web访问趋势等，构建多维视图的用户兴趣模型。从而可以确定档案信息或服务受欢迎的程度，发现用户访问模式和用户需求的趋势，从不同侧面来研究用户的信息需求，为优化档案馆的档案信息资源建设提供了科学依据。
(2) 收集大学档案网web服务器保留的用户注册信息、访问记录，以及有关用户与系统交互的信息等原始数据，经过清洗、浓缩和转换形成便于统计分析的用户查阅数据库、日志数据库、用户定制信息库、用户反馈信息等各种数据集合。
2、从建设大学档案馆馆藏信息资源出发，数据挖掘为大学档案馆提供了选择一条科学发展道路的重要依据。
(1) 利用档案网和档案管理软件访问信息的挖掘分析出档案资源的利用率，将利用率高、需求量大的传统载体档案优先数字化。例如：通过对档案信息的访问记录、检索请求中用户请求失败的数据进行分析，按类统计档案拒用集和频繁利用集，结合聚集算法发现馆藏资源的缺漏，有针对性地补充和丰富档案信息资源。
(2) 在大学档案馆藏管理过程中利用文本挖掘，运用关联、分类、聚类等方法，从海量档案信息中按照相关专题进行挖掘、分类、加工、整理和有序化重组，构建特色档案信息库及各类专题档案信息库等。
3、从做好大学档案馆信息管理工作的角度出发，数据挖掘为优化馆藏信息和对未来工作的预测发挥重要作用。
(1) 在提供利用环节中，对用户每次借阅的信息进行关联分析，发现各类档案信息之间的关联规则或比例关系，这样可以进一步优化馆藏信息。
(2) 开展大学档案馆馆藏信息文本特征的建立、特征提取、特征匹配、特征集缩减和模型评价工作，实现对大量文档集合的内容进行总结、分类、聚类、关联分析、分布分析，通过归纳与总结，发现的知识可以为未来档案工作的趋势进行预测。
三、数据挖掘在管理类数据中的应用
大学档案馆的管理类数据包括：智能监控系统、消防系统、温湿度控制系统、智能密集架、数据管理系统、数据利用系统等在日常工作产生大量的管理类数据。我们得用数据挖掘工具在这类看似无用的数据中提取有价值的知识并运用到大学档案馆工作中，并在大学档案馆的现代化建设中发挥作用。
大学档案馆档案工作的重点是为师生服务，以服务为中心开展各项工作，如何使用先进的工具，提高服务的质量是一直困扰我们的难题。数据挖掘为大学档案馆档案工作的智能化、个性化、精品化提供了行之有效的方法。在智能检索系统可调用用户兴趣模型，自动修正检索策略并可依用户兴趣将检索结果迅速聚类和分类，并条理化地排序出来；对于设计院、社科院等科研型档案用户，可借助数据挖掘开展针对性的档案信息挖掘，并将研究成果以概述、成果报告等形式提供给用户。这样不光实现了大学档案的二次开发，也会给用户带来意外的惊喜。
