导语：如何才能写好一篇大数据在管理学中的应用，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
1.江苏省信息中心南京2100132.南京邮电大学南京210023
一、大数据理论的内涵
（一）大数据的定义
（二）大数据的特征
一般来说，业界普遍认为大数据具有4个显著的特征，也就是通常所说的4v特征：第一，高容量（Volume），从TB级别跃升到PB乃至EB级别，数据总量不断增长；第二，多样性(Variety)，相对于以往便于存储的以文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求；第三，速度(Velocity)，大数据要求更快地满足实时性需求，这是大数据区分于传统数据挖掘的最显著特征；第四，价值(Value)，通过对海量数据进行分析、处理和集成，找出原本看来毫无关系的那些数据的关联性，把似乎没有用的数据变成有用的信息，最终形成大数据的价值——获得洞察力和价值。
（三）大数据的价值
二、大数据时代对高校学生工作管理创新提出全新挑战
清华大学信息化技术中心袁芳指出，高校也正面临着大数据所带来的挑战与机遇：“随着互联网应用的丰富，每个学生和老师每天都在生产着各种各样的数据，当数据量达到一定级别后，就可以进行很有意义的分析挖掘工作。”
（一）大数据对高校学生工作管理创新理念形成极大冲击
大数据带来的最直观变化，就是高校学生工作管理创新理念的转变，高校学生管理正从人工的定性、单项管理逐渐向着信息化的定量、综合、科学管理转变。信息技术管理专家、《大数据》一书作者涂子沛认为，随着信息存贮量的增多，人类在实践中逐渐认识到，通过数据的开放、整合和分析，能发现新的知识、创造新的价值。2在国外高校管理中，大数据已成为提升高校管理质量与水平的一种有力工具。如美国学校能够以85%的精确度去预测学生的升学率，从而把注意力集中在辍学风险比较大的学生身上。而在国内高校管理中的应用则有待于人们去深入地研究。大数据带来的不仅是技术变革，更是一场管理变革。很大程度上，大数据就是高校管理现代化的一条技术路径，具有催生管理革命的效果，也必将给高校学生工作管理创新理念带来新气象。
（二）大数据对高校学生工作管理创新模式构成巨大挑战
随着大数据时代的到来，以电子商务、即时通讯和搜索引擎为主要内容的互联网无时无刻不在产生大量的数据，各个高校不再是校内外数据的唯一生产者和拥有者。各个高校数据的分散化，为高校数据资源的整合和学生工作管理创新提出了更高的要求。同时，各个高校对本校数据资源的分割和垄断，制约了高校之间的协同管理水平、服务效率和应急响应能力。而在大数据浪潮下，许多高校开始建立了各式各样的数据中心，标准不一、重复建设，势必造成资源浪费，同时也为下一步整合带来了新的难题。
（三）大数据对高校学生工作管理创新手段提出更高要求
（四）大数据对高校学生工作管理创新人才需求日益凸显
高校进行大数据建设需要专门的数据分析方法、使用体系和高端专业人才，要求他们不仅精通技术，也要熟悉校园网业务。目前各个高校对大数据环境下的理论研究、使用标准等都存在空缺，大数据应用的核心环节——数据处理与价值挖掘，尚停留在学术研究层面。高校内鲜有带有行政管理职能的院校研究机构成立，其功能定位、研究范畴和研究方法与国外院校的研究相比，尚有较大差距。更重要的是，缺少专业的计算机、统计、管理等方面的技术人才和管理人才，也使得高校学生管理工作面对大数据的挑战难以做出迅速的反映与决断。
三、大数据在高校学生工作管理创新应用中面临诸多问题
（一）学生数据采集问题
（二）学生数据融合问题
缺乏数据交换标准，信息共享难度大。目前，各高校的学生信息应用系统都是依据各自的具体业务按照各自的标准建设实施和管理的，系统大都互相独立，软件系统和数据库各不相同，其应用范围仅在各高校少数应用部门内部或特定区域。这些独立的、异构的、封闭的系统彼此之间难以实现互联互通。同时，这些学生数据库由于更新时效或维护管理存在差异性，从而产生学生数据重叠、矛盾等现象。
（三）学生数据质量问题
高等教育大众化带来的高校急速扩招，致使国内很多高校辅导员配比一般都无法达到教育部的规定和要求。大学生的招生管理、学籍管理、宿舍管理、党团活动管理、后勤医疗管理、社会实践管理、奖贷勤补管理、就业管理等众多管理活动，经常处于“人少活多”的尴尬境地，过程中会伴随产生大量非结构化数据。目前很多高校仍采用文件夹存放数据的普通管理方式，结果造成文件夹数量众多，存放路径杂乱无序，逻辑性缺乏，学生信息数据质量水平不高。比如，同一高校不同部门针对同一项目给出的学生数据不一致。事实上，学生数据质量不单是高校处理学生数据的技术问题，更是高校内部的管理问题。高校内部的业务部门需要利用学生数据来处理业务工作，意味着要为学生数据完整性、完备性、准确性给出定义和语义层次上的解释。
（四）学生数据安全问题
随着校园大数据的进一步集中和数据量的急剧增长，对海量数据进行安全防护变得更加困难，学生数据的分布式处理也加大了学生数据泄露的风险，核心通信设备国外技术垄断和国际厂商的市场垄断的格局也存在一定隐患，隐私保护和数据安全成为制约校园大数据发展的瓶颈。大数据时代下的高校学生管理工作同时具备学生信息公开和保密的双重特性，对学生隐私保护和学生数据安全的要求更高。因此，必须高度认识校园大数据可能带来的信息风险，避免认知风险、学生数据质量风险和学生数据安全风险。
三、以大数据理论推动高校学生工作管理创新的对策建议
各高校应当立足实际着眼长远，转观念、转思路，谋划布局“校园大数据战略”，充分利用大数据时代的信息优势，主动将大数据应用于高校学生管理工作中，尽力创造良好的校园大数据生态环境。
（一）高校学生管理工作中融入大数据理念
大数据时代要求高校在提供学生工作管理服务时转变传统理念，将大数据思维融入到实际工作中。第一，“用数据说话”，要重视学生数据的搜集和积累。具体工作过程中，重视学生数据的采集与挖掘，及时跟踪数据变化，分析数据变化背后的深层次原因，为学生工作管理决策做好数据支撑。第二，“用数据决策”，把大数据价值观融入学生工作管理理念，从依靠个人经验转向覆盖更广泛、涉及更多人的大数据分析，用更全面的学生数据分析辅助管理决策，提升学生管理工作决策的科学性和有效性。第三，“用数据团结”，转变高校传统学生工作管理模式中不同部门之间的“小团体”意识，打破原有的高校内部数据信息割裂状态，增强学生数据共享与融合。
（二）创造良好的校园大数据生态环境
1、注重顶层设计，打破条块分割
2、统一数据标准，促进共享融合
各高校需要建立统一的数据平台，和统一的元数据标准体系，制定数据标准体系，便于数据的无缝隙统筹整合。一方面，一是要推动高校部门之间信息的交换和共享。在促进大学生心理健康，助力学生多元化评价，关怀大学生生活以及指导大学生个性化就业方面发挥重要作用，从而提高高校学生管理工作水平。二是构建以云计算为基础的学生信息共享平台，为各高校提供高效的服务器资源、海量的存储空间、高速的网络带宽和安全的网络环境，支撑各高校的应用发展，创造一个信息共享、资源共用、运维共管的新局面。另一方面，促进高校、互联网、物联网三元空间信息资源的有效融合和利用。建立高校学生数据中心，负责高校学生信息资源的管理和综合利用，加强与互联网信息的收集与利用，通过数据挖掘、数据分析等技术加强对校园大数据的组织、分析，充分发挥学生数据的价值。在学生的学习成长过程中，将会积累大量的结构性、非结构性数据，例如每次考试的成绩、学习的速度、在哪方面有特长、曾经获得过哪些奖励、参加过哪些社会活动等，成长轨迹非常清晰，高校招生只需要看这些过程化的数据，选择适合自己学校的学生。
3、搭建支持平台，引进专业人才
应加强各高校的引导作用，为校园大数据技术研发和应用搭建平台。一是要在高校设立校园大数据发展的专项资金，重点支持大数据研发与应用项目，建立起校园大数据中心，制定校园大数据应用规则，明确校园大数据采集和使用所涉及的包括数据隐私、准确性、可获取性、归档和保存等问题在内的应用规则，厘定学生信息使用权限和职责，确保学生数据依照规则规范使用。二是建立政府投入为引导，企业投资为主体的校园大数据投融资体系，鼓励国内外大数据知名企业、科研机构参与校园大数据信息感知、传输、安全技术研发与应用，政府发挥财政支持作用，同时建立起考核评估机制。三是制定校园大数据人才引进和培养计划，培养和引进一批促进校园大数据发展的专业人才，既可以维护校园大数据中心平台的运转，同时也有助于促进校园大数据产业发展，营造起有利于校园大数据人才成长和发展的良好环境。
注释
1BigdatainlittleNewZealand[EB/OL].(2012-09-06).
关键词：大数据；经管类专业；课程体系
一、经管类专业统计学课程体系存在的问题
1.课程教学定位模糊。
我国高等院校经管类专业统计学教学中的最大弊端在于一直按照前苏联划分方式将其归类为一门偏重于简单数据整理课程，而将相应的统计分析所采用方法和理论归为数理统计，因此在教学中不重视对后者的学习。然而，西方发达国家的统计学课程是同时包括这两个部分内容的，尤其是后一个部分内容是定量分析的重要基础。因此，在传统统计学教学定位下，学生只认识了基本理论与概念，却掌握不了处理和分析数据的能力，这与经管类专业应用型人才培养目标相背离，难以适应大数据时代社会各领域对经济管理人才素质的新需求。
2.课程体系有待完善，与经管类专业融合不够。
二、大数据时代经管类专业统计学课程体系构建
1.明确课程教学定位。
目前，统计学教学中偏重于统计学基本概念、基本模型和基本方法的理论知识学习，系统性较强，有利于学生全面了解统计学的知识体系，但是对统计思维能力的培养和统计方法的应用重视不够，这不仅会让学生望而生畏，从而失去学习的主动性与积极性，更为重要的是学生不能够学以致用，在自己本专业深入学习过程中不会运用统计学知识来解决实际的经济管理问题，而在教与学中出现的这些问题源头在于教学定位不够准确。因此，本文提出新的课程教学定位：以应用创新型人才培养为导向，提高经管类专业学生定量分析能力为目标，结合经济学科和管理学科的特点，通过统计学的理论教学、案例分析、课程设计、实验（践）等教学环节，培养学生统计思维能力和统计应用能力，具备运用统计学理论与方法，研究社会经济管理领域有关数据收集、整理、分析等解决实际问题的综合能力，以适应大数据时代对经济管理人才的新需求。
2.课程体系优化建设。
三、结束语
大数据时代经管类专业统计学课程体系构建，应注重强化基础理论，突出知识的实用性和创新性，做到统计知识与实例分析相结合，与软件应用相结合，理论教学与实践教学相结合，与实际应用相结合。根据经管类各专业特色，以“知识+能力+应用”模式进行模块化、层次化课程体系设置，从本质上提升学生的数据素养和信息素养，提高解决实际问题的定量分析能力，以适应大数据时代对人才素质的新需求，使具有数据管理和数据分析能力的经济管理人才在就业市场上更具有竞争力。
参考文献：
[1]孙根年.课程体系优化的系统观及系统方法[J].高等教育研究，2001，（2）.
[2]曾五一，肖红中、庞皓，朱建平.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2012，（2）.
[3]姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究（成都），2012，（3）.
[4]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究（成都），2014，（3）.
[5]姜钮，姜裕，吕洁华.高校经济管理专业统计课程教学改革探讨[J].教育探索，2014，（6）.
从资本市场与企业的业务经营变化来看，商业模式经历了从线下转向线上之后，进入了业务数字化和智能化阶段。现代信息技术对商业模式的影响日益深广，对财务人才的知识结构和技能提出了重大挑战。尤其是2020年高招过程中，清华大学停招会计学本科专业、安徽大学停招财务管理专业更是引发了社会对财会人才培养和专业建设的反思。
我国财务管理专业建设在信息技术的冲击下正在发生重大变化，浙江大学、山东财经大学等高校已经新开设了智能财务专业，而其他部分高校亦加强了智能财务实验室建设，开设有关大数据分析、人工智能、区块链技术及应用等课程。而国外高校也逐步加强了财务管理专业与信息技术专业的复合型人才培养。在理论研究中，学者已经对财务管理智能化、智慧财务、智能财务等进行了探讨，指出了财务会计转向管理会计的发展趋势，但未对专业本身的建设进行探讨。因此，本文对现代信息技术对财务管理专业建设的影响进行初步探讨，梳理我国高校财务管理专业建设的新变化，提出相应的政策建议，旨在引发数字经济时代财务管理专业建设的反思与改革。
1人才培养模式的比较与反思
1.1财务管理专业人才培养模式的比较
1.1.1我国现行主要做法
改革开放之后，金融人才的培养成为经济学院或者经济系的重要使命。为此，金融学专业是设置在经济学院或者经济系，课程设计主要以货币银行学和国际金融而展开。而会计学专业作为商科专业设置在商学院或者管理学院。随着市场经济的深化，商学院在培养人才方面也意识到，培养体系缺乏金融人才培养这一重要环节。为此，商学院亦通过设置财务管理专业的方式，与会计学专业一同成为商科主要专业。因此，我国高校商学院在设置财务管理专业上形成了以下格局:要么在设置会计学专业的同时，由会计系下设财务管理专业;要么仅设置会计学专业。毫无例外的是，在商学院设置财务管理专业的同时，经济学院或经济系也开设金融学专业。
在这种专业设置的格局下，财务管理专业培养目标是比较模糊的，基本上是在会计学和金融学专业之间游移。当然，这里的金融学专业是指我国以宏观金融为核心而构建的专业培养体系。随着我国金融学专业建设的推进，以公司金融和证券投资学为核心的微观金融逐步受到重视，公司金融、投资学、金融市场、金融衍生品、金融工程等成为金融学专业的基础课程，但传统宏观金融课程仍然占据重要地位。正因为如此，高校近年来进行专业学科改革中亦停止了财务管理专业的招生，通过开设计算金融或者会计学(智能财务)专业，强化微观金融方向的专业知识和技能的培训。值得注意的是，厦门大学财务管理专业人才培养和课程设置体现了欧美商学院会计与金融本科专业的特点，提供了传统会计学和流行金融学专业的核心课程。除财务会计、管理会计、审计与鉴证、税收等会计课程之外，亦开设了公司财务(金融)、证券投资学、固定收益证券、衍生金融产品、金融工程等必修课程。在培养方向上设定了公司理财和证券投资两个方向，这与英国商学院会计与金融专业培养模式是相通的。
1.1.2英国会计与金融专业模式
从国外来看，会计学专业也发生了很大的改变。英国会计学专业设置极具特点。从《泰晤士报》(TheTimes)和《卫报》(Guardian)公布的2020年会计与金融(accountingandfinance)排名前10的大学名单来看，除利兹大学、伦敦政治经济学院、巴斯大学、华威大学、拉夫堡大学、思克莱德大学这6所大学均入榜之外，根据《卫报》和《金融时报》的评价标准，8所大学出现了较大波动，仅进入其中一份榜单。入围两份榜单前10的这14所大学中，仅思克莱德大学、贝尔法斯特女王大学设置了会计学专业(accounting)，其他12所大学的商学院均设置会计与金融专业(accountingandfinance)(思克莱德大学亦同时设置了会计与金融专业)。值得注意的是，巴斯大学和华威大学商学院只设置了会计与金融专业，没有其他会计学、金融学专业设置。即使利兹大学、伦敦政治经济学院、约克大学设置了多个金融方向的专业，但与会计学有关的专业仅有会计与金融专业。与英国会计与金融学专业设置相比较来看，我国高校的财务管理专业实际上类似英国流行的商科专业———会计与金融，在强化财务会计、管理会计知识和技能的同时，加强公司金融、金融市场、投资分析与组合管理知识和技能的训练。
1.2现代信息技术对人才培养目标带来的挑战
大数据、区块链、人工智能等信息技术对财务管理人才的知识和技能结构产生了影响，企业中传统的大量重复性的日常业务会被智能系统所替代，对日常财务管理人才的需求数量会减少。甚至企业将日常财务业务外包给专业化的财务管理咨询公司，由其利用财务信息技术进行集约化管理。与此同时，现代信息技术凸显了财务管理人才的重要性。公司财务管理人才发挥着财务信息与其他企业信息的归集与分析中枢的角色，尤其是在企业数字化转型中，财务管理人才提供的企业信息的准确性和全面性直接影响着企业发展的重大决策。这就要求公司财务管理人才具备对实时、大量的财务数据和其他数据的挖掘能力和分析能力，要求公司财务人员必须掌握计算机科学与技术、数据科学与大数据技术等专业知识和技能。因此，财务管理人才培养目标应定位于掌握金融学、会计学的基础理论和方法，在企业价值创造、财务决策、风险管理等领域具备较强的数据分析、数理工具运用的能力。
为此，财务管理专业作为会计与金融(accountingandfinance)的复合型专业，应当在财务会计、管理会计、公司财务、资产定价和投资组合管理知识和方法的基础上，通晓数据挖掘与分析的知识和技能。我国部分高校已经进行了积极探索，在专业课程体系与专业学位建设上进行了改革。
2专业课程体系的调整
商学院在财务管理专业课程体系设置方面已经加入了数据分析与大数据技术方面的课程，部分高校甚至设置了专门的智能财务专业。2.1我国大学课程体系的改革
在财务管理与会计学专业建设过程中，部分高校利用其在大数据分析方面的教学科研优势，鼓励财务管理等商科专业选修信息技术类课程，甚至作为必选课程，这在理工类大学商学院得到了积极回应。南京理工大学经管学院智能会计专业的建设过程中，设置了大量开放式选修课程，例如《Excel高级数据分析与可视化》《大数据分析》《财务共享服务与智能财务》《商业智能分析》《大数据财务决策》《大数据供应链成本管理》《IT审计》等。山东财经大学智能会计专业开设了《机器学习与数据挖掘》《智能财务共享》《大数据与智能财务决策》《Python数据分析》核心课程，并加强《智能会计概论》《智能会计信息系统》《智能财务共享》《智能财务决策》《智能财务分析可视化》等智能会计系列教材的建设。而作为面向内地提供复合型、国际化人才的香港中文大学(深圳)经济管理学院，会计学专业课程包括《会计与金融中的文本分析》《会计分析中的数据挖掘》《会计数据库和数据可视化》《计算机科技导论:程式设计方法》《计算机实验》《数据分析导论》《数据挖掘技术》等，并且部分课程是与金融学专业共享的。
2.2智能财务专业的开设
除了智能会计专业之外，浙江大学、长沙理工大学在智能财务专业建设上进行了积极探索。浙江大学管理学院于2019年在竺可桢学院开设智能财务专业，鲜明地体现了“公司财务+人工智能+大数据”的深度融合，开设《人工智能导论》《深度学习理论及应用》《智能机器人原理与技术》《数据编程》《数据管理与数据挖掘》《数据建模与数据可视化》等课程。相较而言，浙江大学智能财务专业更重视人工智能创新能力的培养。浙江大学管理学院鼓励学生辅修计算机、数学等交叉课程，而这一做法在英国亦是普遍做法。上海财经大学会计学院已经开设了财务管理(智能化)专业，开设课程包括《程序语言(Python)》《SQL数据库基础》《智能财务前沿专题(区块链、机器学习)》《大数据分析与数据挖掘》。而长沙理工大学财务管理(智能方向)，以及南京理工大学和山东财经大学智能会计专业则更侧重大数据分析及运用。值得注意的是，即使没有设立智能财务或者智能会计专业，部分高校亦加强了智能财务实验室建设，通过与科技公司的合作推进产学研的协同发展。例如，云南财经大学、西南财经大学、上海财经大学等以成立智能财务与大数据研究院或会计智能化教学改革研究中心等形式，推进财务数智化人才的培养。
2.3英国大学的做法:以选修课程为主的模式
刘士余说，为促进发挥市场在资源配置中的决定性作用，建设大宗商品国际定价中心，必须从国家战略的高度进一步促进期货市场加快发展。要坚持期货市场服务实体经济的根本宗旨，提升市场运行质量和防范风险的能力，积极稳妥扩大对外开放，统筹好期货市场改革发展稳定工作。
期货交易所应强化市场的枢纽地位，落实和服务好国家战略，加强市场一线监管，筑牢防范风险的第一道防线，真正成为期货市场安全运行与健康发展的“中枢神经系统”；期货经营机构应树立正确的发展理念，强化合规风控，恪守市场规则与业底线，积极参与交易所法人治理和市场建设，共同维护市场良好环境。
中国经济学家鞠建东被提名诺贝尔经济学奖
据新媒体报道，从多方确认，江苏南通如皋籍经济学家鞠建东被提名诺贝尔经济学奖。鞠建东于1963年出生于南通如皋，为清华大学经管学院经济系教授，清华大学国际经济研究中心主任，上海财经大学国际工商管理学院教授，教育部长江学者特聘教授。现任上海财经大学国际工商管理学院院长。鞠建东创造性地将宏观国际经济学中的动态跨期模型和微观国际经济学中的结构分析模型相结合，建立动态结构分析方法，并将之应用到国际收支理论（与哥伦比亚大学魏尚进教授、香港中文大学施康教授等合作），提出新兴国家（比如中国）的国际收支顺差是发达国家和新兴国家之间经济结构差别的均衡现象；将之应用到产业动态结构理论（与世界银行林毅夫教授、香港科技大学王勇教授等合作），提出产业升级与经济结构调整的动态模型。此外，鞠建东提出通过贸易改革提高社会福利的充分必要条件（和宾州大学Krishna教授合作）。在各国通用的Feenstra教授所著的国际贸易研究生教材中，这个条件被称之为“Ju-Krishna定理”。
清源投资刘建云：智能制造有这三类投资机会
在深圳举行的“发现顺德全球路演――创新深圳对接产业顺德”峰会，清源投资总裁、执行合伙人刘建云站在投资机构的角度，对智能制造的现状和未来投资机会进行了解读。
刘建云认为，中国必须抓住智能制造的历史机遇，同时也有必须要实现智能制造升级的挑战。对于投资机构来说，智能制造领域的投资机会大概有三类：第一类是智能工厂；第二类应该是解决方案公司，就是集成商，它能够把软件、硬件、服务这三项打通；第三类是垂直的技术供应商，包括工业物联网、大数据、云计算、3D打印、工业机器人、工业网络安全、知识工作自动化、虚拟现实、人工智能。
当前“大数据技术”充满了新的机遇和挑战，其在企业IT基础架构、数据管理、分析和服务这些关键规划领域的应用，将会对社会经济发展带来长远深刻的影响。大数据指的是从各种各样的数据中快速获得有价值信息的能力，具有数据量大、种类繁多、价值稀疏、处理速度快的特征，这些特征对目前社会各个行业的信息架构、系统的冲击非常大。大数据技术对整个社会经济发展来说既是机遇也是挑战。
（一）必要性
（二）可行性
二、建立大数据实验平台的基本构想
（一）实验平台人员
（二）软件调研
（三）方案实施
实验平台的设计同时立足于大数据技术的发展的前沿性与本学院学生专业特点，与学生前序的理论、实践课程均有良好的衔接，符合人才培养计划，深化了教学大纲的内容，并针对不同专业学生设计实践学时、内容和难度。本实验平台可以同大数据行业中的公司科研部门共同合作建设，双方确定在人才培养、师资培训、共建实验室和实训基地、推动大学生校外实习和社会实践活动的开展等方面开展全面、广泛、长期、深入的合作。该实验室建设将丰富实践教学体系，也可推动学院科研项目立项、新课题研究、专项基金申请和联合开展商用项目开发等；该实验室使师生能接触高新大数据开发平台，了解最新大数据技术的发展，进行大数据平台的开发，实现对大数据的分析、可视化演示，增强学生的动手能力并提升就业质量；与此同时，提升了教师的项目管理能力和教学能力。
三、结论
关键词：农经专业；数据分析；教学改革
2019年12月，农业农村部、中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知，部署了用数字化引领驱动农业农村现代化，加快农业农村生产经营、管理服务的数字化改造的发展战略，将全面提升农业农村生产智能化、经营网络化、管理高效化、服务便捷化水平作为农业农村发展的目标[1]。农业农村的数字化建设离不开专业人才的培养。农林经济管理专业毕业生的就业方向主要有农业经营单位、面向农业农村的政府管理部门、事业单位、科研院所等。随着农业农村数字化发展战略的推进，给传统的农经人才培养带来了一系列的挑战[2]。在数字经济和智慧农业的时展背景下，数据分析能力是农经专业学生重要的核心竞争力。如何提升农经专业学生数据分析能力，是农经专业人才培养中面临的重要课题[3]。
1农业农村数字化发展战略给农经人才培养带来的挑战
1.1对农经人才的数据思维的更高要求
在大数据时代，无论是农业生产经营活动，还是农村的行政管理中都有大量的数据资源。农业企业、农业合作经营组织、农产品产销数据、农产品溯源数据为农业经营者提供了生产、物流、销售环节大量的数据资源。经营者需要认识到数据是一种新的生产要素，要调动数据作为生产要素的属性，让数据分析为管理决策服务[4]。在数字中国的建设进程中，各级政府部门工作人员通过各级各部门的行政管理智能，收集了大量省、市、区、县级的区域经济社会发展数据。社区网格化管理下收集了微观层面的农业经营单位数据、农村常住人口数据、医保数据、扶贫数据、农村小额信贷数据。这些数据资源是政府提高行政效率、提高政务服务质量的宝贵资源。
1.2对农经人才的数据分析能力的更高要求
2农经专业数据分析课程群建设中存在的问题
2.1课程之间连贯性不足
以笔者所在的高校为例，为农经专业本科生开设的数据分析类课程，见表1。数据分析课程群包括了通识教育、专业教育和实践教育。从目前的课程设置来看，涵盖了数据库、统计学、经济计量学、多元统计、大数据分析等领域，内容丰富。数据库应用由计算机学院开设，是一门通识教育课程，在授课时教师往往将其视为一门计算机类的入门课程，在教学中没有针对农经专业学生的特质，将数据库的教学与其在农经领域的应用结合起来。学生在学习中往往会觉得该课程与专业联系不够紧密，教学内容枯燥，缺乏学习兴趣。
2.2学生学习的软件种类繁多，但不够深入
在统计学和多元统计课程中，学生将学习EXCEL、SPSS或者R语言的应用，在经济计量学课程中学生将学习Eviews或STATA的应用，在数据挖掘与大数据分析课程中学生将学习Python语言的应用。在每一门课程中学习的软件都不同，对于软件的学习缺乏连贯性和延续性，虽然学生接触的软件种类多，但是由于学时所限，每一种软件都只是入门级的介绍，无法进入到深度学习。
2.3与专业课学习联系不够紧密，缺乏应用机会
学生缺乏在专业课学习中运用数据分析类课程所学知识的机会。数据分析类课程主要介绍数据分析方法和软件的应用，但大部分都安排在第5学期和第6学期。学生在学习了数据分析方法后，缺少在专业学习领域里运用这些方法的机会。例如学生若要完成产业经济学、农业技术经济学、农产品国际贸易学的专题研究、课程论文，需要用到统计学、经济计量学、大数据分析的方法，但在第2-4学期开设大量专业课的学期，数据分析类课程还没有开设。若能将数据分析类课程尽量靠前安排，学生可以在后续的专业学习、课题研究中运用所学的方法，一方面夯实数据分析技能，另一方面也可以增加学生对专业课的学习兴趣。
2.4排课不够科学
在大三阶段，学生可以选修多元统计、数据挖掘与大数据分析、Python语言三门选修课。但到了大三，学生专业课的学习任务重，选修课种类考虑繁多，学生选课可能出于兴趣、学分安排或者准备考研保研考虑，并不是每一位同学都会选修上述课程。尤其是计算机能力不太强、对数学类课程感到困难的同学，会倾向于选择难度小的课程。
3基于项目驱动式教学理念的数据分析课程群改革
3.1开展项目驱动式教学的意义
项目驱动教学法是基于行动导向的探究式教学方法，是将真实的或模拟的项目转化为教学项目，结合课程内容将项目分解为若干工作任务，创设工作情境，引导学生完成任务，进而实现项目教学目标的教学活动[4-5]。项目驱动式教学法最显著的特点是“以项目为主线、教师为主导、学生为主体”，改变了以往“教师讲，学生听”被动的教学模式，完善了学生主动参与、自主协作、探索创新的新型教学模式。与传统教学方法相比，教学实施过程中，学生的目标更清晰明确，可避免传统课堂教学的被动性，进而提高学生学习知识的兴趣和主动性[6]。在数据分析课程群中引入项目驱动教学，一方面能让学生运用所学的数据分析方法分析现实问题，创设数据分析情境，加深对所学方法的理解和运用，激发学习兴趣，培养自主学习能力；另一方面也可以有针对性地创设围绕“三农”问题的数据分析项目，让学生从数据分析中加深对“三农”问题的感性认识，培养对农经专业学习的兴趣，提升对农经专业的认同度。具体来讲，可以从以下方面开展对数据分析课程群的改革[7]。
3.2统筹规划教学内容，加强课程间的连贯和递进
农经专业数据分析课程群目前主要包括必修课数据库应用、统计学和经济计量学，选修课多元统计、数据挖掘与大数据分析，以及实践课R语言与统计应用、Python语言。统计学教学的重点在于对基础性的统计方法的运用，经济计量学教学的重点在于让学生掌握经济计量分析的范式，如何利用经济计量模型开展实证分析。多元统计强调对复杂多维数据信息的提炼。数据挖掘与大数据分析教学的重点在于大数据时代数据挖掘方法的应用。此外，针对于目前学生所学的软件门类过多，软件操作不够熟练，建议在统计学、多元统计、数据挖掘大数据分析中统一采用R语言进行教学，让学生通过几门课程的学习，能够熟练掌握一种统计分析软件。
3.3基于项目驱动对教学内容进行整合及优化，调动学生主动参与
例如统计学课程介绍了基础性的统计分析方法，在后续课程经济计量学、多元统计、数据挖掘与大数据分析中引导学生运用基础性统计分析方法，对数据进行初步的统计分析和整理，为经济计量分析、多元统计、数据挖掘做好数据处理上的准备，让学生体会到关联课程中所学知识的联结。鼓励学生积极参与“三下乡”活动，开展田野调查实践，围绕“三农”开展调研，运用统计和计量方法对调研数据进行分析，鼓励学生参与到教学中来，培养学生的学习兴趣，学以致用。
3.4建设“项目驱动”实践教学模块
结合农经专业课程体系，建设数据分析课程群“项目驱动”实践教学模块。在农经专业的课程体系中开设的农业经济学、农产品贸易、农村社会学等专业性课程对大量的“三农”问题进行了探讨，这类课程中涉及的城乡差异问题、收入和消费问题、农产品价格波动、农产品贸易等现实问题的研究，都离不开基于现实数据的定量分析。因此，在农经专业的数据分析课程群中可以结合教学内容引导学生对专业课学习中热点问题的研究，围绕课程教学大纲，建设“项目驱动”实践教学模块，理论联系实际，让学生在研究项目中运用所学的数据分析方法，加深对专业知识的理解。
4农经专业数据分析课程群优化方案
5结束语
将项目驱动教学引入到农经专业数据分析课程群的建设，让学生参与到教学中去，突破传统教学中“教师教学生学”的局面，让学生通过参与项目，运用数据分析方法解决项目中的实际问题，激发学生的学习兴趣和潜能，让学生体会到所学知识的应用价值，让学生不再对数据分析类课程望而生畏。本文的研究对于农经专业学生数据分析能力的培养有重要的意义，强调理论与实践的结合，提高学生数据分析的高阶能力，也能为同类课程开展项目驱动教学提供借鉴。
[1]农业农村部中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知[EB/OL].（2019-12-25）[2020-4-14].
[2]李虹贤.农业经济管理专业人才培养模式创新研究与实践[J].智慧农业导刊，2022，2（7）：110-112.
[3]冯开文，陶冶.农业经济管理专业实践教学改革———以中国农业大学经济管理学院为例[J].教育现代化，2017，4（23）：54-56+63.
[4]杜洪燕，陈俊红.乡村振兴背景下中国数字农业高质量发展路径研究[J].南方农业，2021，15（21）：213-214.
[5]金娥.基于项目式学习的《现代教育技术应用》课程学习框架的设计与实践研究[D].武汉：华中师范大学，2021.
[6]胡静，王昌凤.基于应用型本科人才培养目标的项目式教学模式构建[J].教书育人（高教论坛），2022（9）：59-64.
【关键词】信息时代;医学信息化;发展前景;研究
1.引言
随着现代信息技术的发展与广泛应用，加快了人类信息社会的建设步伐，信息化、数字化已经逐渐进入到医学的各领域中，成为医学界不可或缺的重要工具与手段。信息技术的高速发展正改变着医学的教学、研究、医疗服务等的诸多传统方式，并随着现代信息技术的不断发展而不断推陈出新。但是，我们不能否认，现代信息技术在医学方面的应用不仅为医学的认知带来了新的渠道，转变了医学的思想观念与工作方式，同时也为医学界带来了一些问题，例如：新的伦理问题等。因此，在医学信息化建设迅速发展的今天，如何才能更好的将信息技术运用到医学中，医学信息化的发展前景如何？对医学界具有十分重要的现实意义与长远意义。
不可否认，医学信息化的建设是长期的，只有符合医学发展的信息化才具有生命力。在医院中，我们随处可见的CT、彩超等大型的数字化医疗设备、计算机网络的各种医疗收费系统、医疗信息处理系统等，还有在医学教学、科研领域，都逐渐开始使用现代信息技术的辅助来提升教学与科研的水平。信息技术在医学中的应用与改造与创新，使得医学的教学、科研、临床、管理、药品、医学器械的研制等都在借助信息技术来加快自身的发展，很难想象没有现代信息技术、计算机技术、网络技术的医学院校或者医院将会使什么模样。
2.信息时代医学信息化所面临的新挑战
2.1数据的共享问题
美国在医学信息化数据的共享方面比较开放，美国的国立生物技术信息中心中存储大量的数据信息，这些数据信息对科学家是无偿提供研究的。但是，在我国的生物医学研究部门或者是医疗机构中，已经积累了大量的科研与临床数据，这些数据目前大多数仍处于独立使用的状态中，各机构之间缺乏数据共享数据孤岛现象严重制约着我国生物医学的研究与发展，同时也为我国社会医疗健康保障体系的建立带来了困难。在实际中，这些医疗机构之间由于存在各种利益关系，一般都对自己所持有的医学科研数据及诊疗数据资料保密，不愿意向同行与社会提供数据共享的服务。
2.2数据标准化的问题
美国的著名劳伦斯伯克利国家实验基因租的科学部主任表示，最理想的状态就是能够建立统一的电子医疗系统，这些医疗病历系统应该具有统一的标准。但是，在我国的医学现实中并非如此。各医院存储的各种数据标准不同，不同的系统在存储的信息方面也不一样，目前，医疗系统与医疗科研机构之间的信息数据标准很难实现统一。究其原因主要是由于各种医疗设备的生产厂家、医疗系统的软件开发商之间的技术标准各不相同造成的。例如：不同的医院对信息管理系统中的电子病例数据信息的记录格式、标准不同，而信息中心的数据存储设备在构架上也不相同，这就造成各医院之间的医疗数据信息无法实现交流沟通、共享。如果同一个病人想在不同的医院进行治疗，就必须在不同的医院分别再做一次相应的检查，这不仅增加了病人的经济负担，严重的更影响了病人的最佳治疗时期。因此，要想在医学领域实现信息化就必须先打破各医院之间的技术壁垒，解决信息化的标准化问题。
2.3医学信息化综合应用型人才严重匮乏
目前，医学信息学是建立在生物医学、信息技术、统计学、管理学等多学科基础上的一门交叉性的学科，在实际中，真正了解并掌握、精通信息科学知识的专业人才非常少。为了真正实现医学信息化并促进多学科的研究与教学，于2009年美国的特拉华大学创立了生物信息学与计算机生物学中心，这一中心集中了来自美国的5个学院的60多名知名教师，并创立了负责多个生物信息学教育的研究项目。纵观我国高校的现状，还尚未成立专门的医学信息专业，或者是生物医学与信息学相交叉的学科专业。在生物医学研究领域中的一些复合型研究人才大部分是由学生自己自学而成的，或者是由不同学科的导师共同培养而成的。这种状况就造成我国医疗信息化应用人才的严重匮乏，并为我国医疗信息化人才的培养带来了阻碍。不过我们坚信，在不久的将来，我国的医学教育界一定会认识到这一问题。
3.信息时代医学信息化的发展前景
3.1医学信息化正朝着远程医疗与区域医疗的信息化发展
3.2数字化医院是医学信息化发展的必然趋势
目前对于数字化医院的定义至今还尚无定论，从一般意义上来看，它与医学信息化所寓意的实质性内容并不存在本质上的区别。目前，我国以病人为中心的HIS建设还处于初级阶段，虽然已经在很多方面发挥了重大作用，但是还远远不能满足病人、医护人员、管理者实现方便、低廉、高效、安全的就诊环境与模式，因此，数字化医院的发展还需要建立信息化条件下合理的诊疗流程与复合业务的需求。总之，实现数字化医院在研究、开发、应用方面还存在很大的发展空间。
总之，目前我国医疗领域信息化应用还属于起步阶段，还存在一些问题。但是我们坚信，在不远的将来，在我国政策的推动下、在信息科学技术的不断发展下，信息时代医疗信息化的发展将不断深入，将在我国生物医学领域中得到不断地发展与进步。
参考文献
[1]许德玮，桑梓勤.基于云计算的医疗卫生位置服务平台研究[J].医学信息学杂志，2013（6）：8-13.
关键词：学分银行；终身学习；学习成果；兑换和积累；工商企业管理
1“学分银行”制度和功能
1.1“学分银行”制度的含义
学分银行借用“银行”一词，说明它应当具备银行的储蓄和兑换功能，它兑换的是学历或资格。它能实现各高等学校和各种教育形式之间的学分通兑，未来甚至在国际上流通。它打破了学历壁垒，让非学历教育与学历教育享有同样资历，为社会上渴望通过学习实现理想的成员提供了终生学习机会及认证。
1.2“学分银行”制度的功能
2“学分银行”制度对工商企业管理专业的作用及难点
2.1“学分银行”对工商企业管理专业的作用
2.1.1为企业管理者终身学习搭建“立交桥”
企业管理者所拥有的知识直接关系到企业的发展，对于工商企业管理专业的学生来说，他们毕业之后很有可能成为企业管理层中的一员，在学校中的学习是有限的并且不可应对将来环境的变化，所以管理专业的学习是终生性的，学分银行制度为他们搭建了终生学习“立交桥”。此外，随着管理学的发展，专业界限越来越模糊，它属于跨学科专业，涉及经济学、心理学、国际贸易、市场营销和统计分析等，传统校内学习已经不能满足现代企业管理者必备知识素质，终生学习理念将让这些管理者通过不断的跨学科和跨界学习掌握更多知识，学分银行则将他们的这些学习成果连续保存下来。学分银行将零散的学习活动转化成了连续的过程，让管理者在工作过程中仍有接受教育的机会，这些学习机会具有横向延伸、纵向衔接和多样化特点，教育学分的积累和转化可实现不同类型学习成果的互认和衔接。
2.1.2提供丰富、开放的选课体系
工商管理主要是通过研究企业经济管理理论包括经营战略制定和内部行为管理进行有效的企业管理和经营决策，确保企业的生存和可持续发展。工商管理专业应用性很强，涉及多学科知识包括管理学、经济学、会计学和国际贸易等，特点在信息科技、大数据和新零售的发展下，通过数据分析进行管理决策也成为管理人才必备技能。学生可以随时随地制定学习计划，选取自己感兴趣、扩充知识面的课程，通过学习获取学分并存入学分银行，例如工商管理专业的学生可以选择学习数据分析应用课程，学生的选课对教师也会提出一些要求，教师结合学生的工商管理背景调整课堂内容，具体教学中突出数据分析在企业管理中的决策应用，所以学分银行制度对学生和教师两者都具有监督和激励机制。
2.2“学分银行”对工商企业管理人才的难点
2.2.1学分认定主体不清晰
学分银行没有学位授予、资格评定和颁发证书的权利，它不是学分认定的主体，学分认定标准不同导致学分认定没有太大意义。目前部分地区成立的学分银行虽然借鉴了银行的汇率结算思想，认为在不同教育类型下学习成果可以根据一定标准兑换成学分，但是学分认定工作难以实施导致这些学分的价值不明显。
2.2.2学分兑换和折算率没有统一标准
2.2.3教育者的管理难题
学分银行制度在工商管理专业人才培养中的推行过程中存在管理难题。学分银行制度的成功推行，意味着管理者的工作大大增加，从传统的以专业和班级为单元进行管理变成以学生个体为管理单元。这就意味着，学籍管理档案和选课方式依托于学生间的差异将细致化，管理难度和工作量都会大大增加。
2.2.4政策执行力度不够
关键词：金融学研究；文本大数据；数据挖掘；深度学习
1.在金融学研究中文本大数据的挖掘方法
1.1获取语料
获取语料的方法主要分为两种：（1）人工获取；（2）利用网络工具爬取或抓取。其中人工获取语料投入成本较高，耗时较长，需要投入大量人力，因此网络抓取的可行性相对较高[3]。网络抓取方法可有效应对大量文本量，在一定程度上降低文本大数据获取难度。在网络抓取语料时，需要借助编程语言，通过直接抓取或爬取的方法获取文本大数据。采用此种语料获取模式具有两方面显著优势，不仅获取文本信息耗时较短，效率较高，而且可直接使用编程语言整理内容和规范形式，为后续文本分析工作奠定基础[4]。
1.2预处理环节
1.3文档表示环节
1.4抽取文本特征的方法
2.文本大数据分析
结语
关键字：大数据嵌入式服务信息服务
AnalysisonModelofInformationServicesEmbeddedProcessofScientificResearchinBigDataEnvironment
AbstractInthispapertherequirementsonwhichinformationservicesofscientificresearchprocessareexplored，andtheconnotationandelementsofinformationserviceswhichsupportingdata-intensivescientificresearcharediscussed.Onthisbasis，itsummarizesthetypicalcharacteristicsofmodelofinformationservicesembeddedprocessofscientificresearch.Andthen，thenewchallengesareanalyzed.
Keywordsbigdata；embeddedservice；informationservice
1引言
如今，大数据这个术语已是耳熟能详，它通常是海量的、形式多样的、非结构化数据的代名词，是信息化、网络化快速发展下要经历的必然过程[1]。与此同时，在现代科学研究过程中，数据量的生成呈现指数增长也是显而易见，不管是由于高通量的科学试验，还是千万亿次的科学计算，高分辨率的传感器，以及错综复杂的网络科学研究环境。
因此，在大数据环境下，科学研究人员的信息需求和科学研究模式发生了显著性的变化，而嵌入科研过程的信息服务在科学研究的整个流程中，始终坚持以科研人员为中心的原则，从其课题选定到结束的整个过程提供具有广度的信息展示，个性化的信息推送和深度的信息互动。而科学研究的本质是信息的整理和分析[2]，鉴于此，为顺应科研环境的转变，如何为科学研究人员提供高效的数据管理和新型的信息服务模式，是值得思考和探讨的。
2科学研究过程中信息服务的需求分析
2.1科学研究模式的转变
科学研究正在进入一个崭新的阶段，在信息与网络技术迅速发展的推动下，大量从宏观到微观、从自然到社会的观察、感知、计算、模拟、传播等设施和活动产生了大量的数据。同时，学科的发展逐渐呈现交融化、协同化和复杂化，研究人员逐渐把数据作为科学研究的对象和工具，基于数据来思考、设计和实施科学研究，因此促进了数据密集型科学的兴起，使密集型数据成为科学研究活的基础，并逐步总结形成了科学研究第四范式的研究模式[3]。
2.2大数据环境下科学研究用户的信息需求
当前，密集型科学数据作为大数据的重要组成部分，在具备大数据特征的同时，在数据分析和管理方面有更高的要求[4]，必然导致科研人员对研究过程的个性化、专深化、集成化和协同化的信息需求不断增强。
（1）大数据环境下科学研究对象的虚拟化，导致科研人员拥有更强的数字化交互式的信息管理能力需求。网络快速传播迅速产生的海量科学数据以及大量来自互联网的数据和信息成为科学研究的主要组成对象，使得研究转变成以网络为基础的高度协作性活动，如何对海量虚拟化的数据和信息进行有效管理，成为科研人员必须面临的问题。
（2）大数据环境下科学研究需求的深度知识化，导致科研人员拥有海量数据实时的分析挖掘需求。一方面，以网络为基础的数字信息资源改变了科研人员的研究行为，数据的获取不是问题的关键，而关键在于数据背后的深度知识挖掘；另一方面，科研人员需求泛化的同时，更加专深化。如何根据每个科研人员独特的研究特征进行数据的跟踪、比对和分析，使专业化和针对性的知识实时获取，成为科研人员必须面临的问题。
（3）大数据环境下科学研究交流方式的便捷化和多样化，导致科研人员拥有科学数据融汇和多学科协同的信息资源共享需求。在数据密集型的科学研究学术交流过程中，交流方式随着信息技术的不断深入，而愈加便捷，但是对于整合所有科学数据和文献，形成一个具有全球开放获取的互操作世界，仍有相当大的差距[5]。如何使科研人员在查看文献的同时能够找到文献的所有原始数据，并可以在此数据基础上，重现作者的分析过程，成为科研人员必须面临的问题。
3嵌入科研过程的信息服务模式的分析
3.1嵌入科研过程的信息服务模式的含义
另外，嵌入式理论提倡把事物的产生、发展和特点与其周遭环境联系起来，放到更大的背景中去考察[8]。而嵌入科研过程就是融入科学研究的整个细节和流程中，考虑科研用户需求的产生与发展，从课题选定到结束的整个过程中提供满足科研人员的具有全局性和个性化的信息与知识需求。将嵌入式理论应用到科研信息服务中，在一定程度上满足了在网络环境下科研人员面对的数据量体量大、结构多样化、生成速度快、价值密度低的研究问题的个性化服务需求。
因此，嵌入科学研究过程的信息服务模式将数据管理与信息服务融入到科研用户一线，嵌入到用户科研环境和科研过程，是以专业的信息服务人员为基础，采用先进的计算机技术（如云计算、语义网和Web3.0等），构建具有强大的资源整合能力、海量信息分析能力、大数据挖掘能力和多维度信息可视化能力的集成平台，以科研用户需求环境和需求趋势为导向，是一种面向用户发现问题、分析问题、解决问题和提供解决问题决策的信息展示、交互和推送的服务模式。
3.2嵌入科研过程的信息服务模式的要素
信息服务模式是对信息服务活动的组成要素及这些要素之间相互关系的概况[9]。基于此，笔者将大数据环境下科学研究过程中的服务需求，组成嵌入科研过程的信息服务模式的服务主体、服务客体、服务方法及服务内容四个要素相结合并逐一进行分析。
3.2.1服务主体
嵌入科研过程的信息服务模式的服务主体是信息服务活动的实施者，即信息服务人员，其根据科研人员的需要，采取相应的服务策略，提供满足研究者需要的信息服务产品。在嵌入科研过程服务的环境下，一方面，服务主体要求嵌入科研人员情景中，并作为研究团队成员，通过现场交互（包括现场和网络渠道），来把握知识需求、组织知识环境、定制知识工具和提供服务成果[10]。另一方面，服务主体提供的信息服务产品具有实时性、多样性、针对性和易用性的特点，更加注重将科研人员自身的知识背景，研究工具、研究领域的实时动2态以及研究目标与信息服务产品的有机结合。
鉴于此，嵌入科研过程服务的提供者应需要包括：①具有对信息内容强大而灵活的分析能力的信息分析师；②具有支持信息资源知识化处理能力的知识建构师[11]；③具有精通各种发现、分析和组织知识的方法与工具的检索与组织专家；④具有对特定领域深入了解的情报分析专家和学科专家。这样通过其之间的合作与互补，将大量跨领域科研人员、海量密集型的科学数据、信息内容和分析过程有机地融汇起来，促进科研人员高效推动成果的创新。
3.2.2服务客体
嵌入科研过程的信息服务模式的服务客体是指信息服务的需求者，在一个特定的项目实施过程中，服务的需求者可根据应对研究问题的规模和复杂程度的人员数量进行划分，包括了科研团队群体需求者和单一科研人员需求者。
而鉴于嵌入科研过程的信息服务模式对于服务主体、服务方法和服务内容有更严格的要求，其成本也是相对较高的。因此，对于服务客体也有特定的要求，其中主要应包括以下两个方面的科研人员：一方面，对于攻克涉及多学科，跨领域的重点研究项目的研究团队，其面临的课题更具开放性与不确定性，研究过程中随之而来会遇到更多复杂的技术、方法等方面的难题，对于多学科的深层次信息服务拥有更强烈的需求；另一方面，对于引导学科发展方向的先驱，其面临的课题更具专深化与前沿性，研究过程中随之而来的是以战略眼光审视研究问题，对于特定性的实时动态信息服务拥有更强烈的需求。这样，嵌入科研过程的信息服务模式对于跨学科、跨国界和跨领域的重大科研项目以及具有前沿战略性的研究工作无疑是一种值得考虑的服务模式。
3.2.3服务方法
嵌入科研过程的信息服务模式的服务方法是针对科学研究的信息服务手段，其主要是为服务主体完成信息服务行为提供有效的工具。服务方法随着科学研究方式的转变而不断变化，如今，现代科学研究朝着数据化和计算化的方向发展，从计算科学中逐步分离出了数据密集型科学，所有资源对象都被信息化、数字化表征，海量科学数据被迅速和大量创造，并经过网络快速传播。这样，促使了新型的信息服务方法根据研究人员的研究场景，将研究过程中的信息或知识深度地嵌入到解决科学问题的各个过程，促使科研人员的知识发现和知识创造。基于嵌入式理念，在总结传统信息服务方式的文献代查、专题报告总结的基础上，笔者进一步深化了嵌入科研过程的信息服务模式的服务方法。
3.2.4服务内容
嵌入科研过程的信息服务模式的服务内容是确定的信息产品，是服务主体交付给服务客体的最终成果或其享受到的各种信息服务。其主要保障科研人员在研究过程中项目的顺利推进以及促进科研人员的自主创新和交叉融汇创新。在项目处理生命周期中嵌入科研过程的信息服务内容（见图1）。
（2）方案规划信息参考咨询。将服务主体嵌入到项目规划中，不仅有助于服务主体能对项目在一定程度上有整体性和全局性的把握，而且有利于服务主体与服务客体的沟通，形成优势互补。同时，服务主体以用户需求为导向，通过多层次的探讨，采用相应的工具，提供个性化的参考咨询，保证项目规划的科学性。
4嵌入科研过程的信息服务模式的特征
嵌入科研过程的信息服务模式是以信息服务为轴心，以科研用户为中心，以数据资源为核心，以科研用户需求为导向，以嵌入式信息服务团队为重心开展工作。信息服务是嵌入科研过程的信息服务团队提供的工作内容，服务团队的工作是围绕信息服务这一根本而展开的。满足服务客体的实际需求和潜在需求是嵌入式信息服务团队工作的最终目标，而为了达到这一目的，嵌入式信息服务团队需要掌握核心的数据资源技术，以便能够在课题查新、文献检索、隐性知识挖掘方面提供个性化、专业化的服务。
4.1覆盖协同多领域
4.2贯穿科研全过程
4.3情景感知个性化
5嵌入科研过程的信息服务模式所面临的挑战
数据密集型科学下的科研范式，更加强调科研人员在网络环境下的协同交流、资源开放、信息共享、智能关联与协同应用。嵌入科研过程的信息服务模式在促进现代科学研究创新的同时，也面临着一系列的问题和挑战，寻求合适的标准规范和技术对策有助于切实推动新型信息服务模式的转变，促进科研过程的推进与创新。
（1）嵌入到用户科研过程并且根据用户研究背景提供个性化信息推送对情报研究人员的挑战。一方面，大科学的兴起，科研人员的研究课题通常会涉及多学科和多领域的研究，这就要求情报研究人员具有跨学科的综合分析和信息获取能力，从多视角、多层次为科研用户提供信息服务；另一方面，将情报研究人员嵌入到科研过程，其必须具有战略性的眼光，对研究的整个过程有全面的认识，明确每个阶段为科研人员提供的信息服务类型，通过自身的优势提供其所需的信息资源，必要时能够进行科研项目的管理，以情报分析的严谨性来引导科研过程的科学性。
（3）研究环境的变化以及相应信息服务方法的转变对数据分析挖掘能力的挑战。一方面，密集型数据分析挖掘成为信息服务必不可少的支撑点，而密集型数据在具备大数据特性的同时，必然使传统的分析挖掘工具和算法面临着挑战；另一方面，嵌入科研过程的信息服务模式的服务主体需要利用数据对科研创新合作过程及交互型信息服务过程将要发生什么进行分析和预测，以便为服务客体实时提供相应的辅助决策，这种综合性和多维性的预测对数据实时与深度挖掘提出了挑战。
6结语
大数据不仅仅是数据量的剧增，也不仅仅是信息技术的飞跃，而是人类对客观世界认知飞跃的前奏[16]，科学研究已进入数据密集型科学知识发现，因此，研究构建对科学数据、模型工具以及大数据挖掘平台，支撑跨区域、跨学科和跨团队的协同研究，满足现代科学研究需求的信息服务模式，对于促进科研创新是非常重要和迫切的。
另外，深层次的嵌入科研过程的信息服务模式由于成本、技术和人员素质要求等限制，只能针对特定的有高度需求的科研人员或群体。但是，一方面对于嵌入科研信息服务模式的服务主体学科背景知识、新型技术的运用能力、嵌入服务意识、沟通能力和协作能力提出了更高的要求；另一方面，对于不同的科研人员和工作环境如何采用多样化的服务方法来提供个性化的服务内容，促使其提升科研效率，也面临着极大的挑战。毫无疑问，面对全新科研范式带来的强大动力，利用信息服务模式的转变来推动科学研究的不断创新和发展将是大势所趋。
[1]刘明，李娜.大数据趋势与专业图书馆[J].中华医学图书情报杂志，2013，22（2）：1-6.
[2]王凭慧.科学研究项目评估方法综述[J].科研管理，1999，20（3）：18-24.
[3]王学勤，AmyStout，HowardSilver.建立数据驱动的e-Science图书馆服务：机遇和挑战[J].图书情报工作，2011，55（13）：80-83.
[4]DelseroneLM.Atthewatershed：PreparingforresearchdatamanagementandstewardshipattheUniversityofMinnesotaLibraries[J].LibraryTrends，2008，57（2）：202-210.
[5]TonyHey.潘教峰译.第四范式：数据密集型科学发现[M].北京：科学出版社，2012.
[6]中国社会科学院语言研究所词典编辑室.现代汉语词典[M].北京：商务印书馆，2005：301-302.
[7]张树华，王京山，刘录茵，等.数字时代的图书馆信息服务[M].北京：北京图书馆出版社，2005：1-9.
[8]秦铁辉.嵌入性理论对情报学研究的启示[J].图书情报工作，2009，（12）：1-3.
[9]刘媛筠，李志民.当代图书馆的三种信息服务模式[J].图书馆杂志，2013，（1）：26-31.
[10]张晓林.研究图书馆2020：嵌入式协作化知识实验室[J].中国图书馆学报，2012，38（197）：11-20.
[11]张晓林.走向知识服务：寻找新世纪图书情报工作的生长点[J].中国图书馆学报，2000，（5）：32-37.
[12]樊伟红，李晨晖，张兴旺，等.图书馆需要怎样的“大数据”[J].图书馆杂志，2012，（11）：63-68.
[13]万亚红，黄樟钦，陈旭辉，等.基于主动推理的情景感知系统框架[J].计算机工程，2004，30（12）：8-9，70.
[14]KMSW，PARKSH，LEEJB.SensibleAppliance：ApplyingContext-awarenesstoApplianceDesign[J].PersonalandUbiquitousComputing，2004，8（3）：184-191.
[15]ScienceStaff.ChallengesandOpportunities[J].ScienceSpecialIssue：DealingwithData，2011，（331）：692-693.