人工智能与教育培训
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇人工智能与教育培训范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
人工智能与教育培训范文第1篇
算起来，在线教育的争夺战是在三年之前开始的。2013年8月“学而思”网校正式更名为“好未来”，作为最早发力在线教育的一家公司，发展了布局相对完整的中小幼教育专业门户网站群――e度教育网，该网站由育儿网、幼教网、奥数网、中考网、高考网、留学网等多个网站构成。此后，新东方、学大网等一票传统教育机构纷纷发力于在线教育。
根据《2015年中国在线教育白皮书》数据显示，2011到2014年间，中国在线教育市场规模增速均保持在17%以上，最高增速达到21.84%；市场规模从2011年的575亿元增至2015年的1171亿元，预计到2021年在线教育市场规模将达到2830亿元。在线教育用户突破2亿人，在线教育项目数量已经超过3000个。
如今，BAT、网易等互联网巨头也争相跨界进入教育领域……
争相布局
10月，网易宣布其有道词典用户突破6亿。这意味着，网易的产品已经可以在在线语言培训市场占有一席之地。2007年推出有道词典以来，网易在互联网巨头之中率先“误入”在线教育行业，并逐渐形成有道翻译官、有道口语大师、网易云课堂等产品矩阵。
语文学习产品――有道语文达人，引进职业教育与通识教育等课程、推出网易云课堂企业版产品等等动作，都说明了网易在在线教育各个细分领域重度垂直、精耕细作的野心。
与此同时，阿里巴巴终于也按捺不住。在10月宣布启动“星火计划”，称未来将会大力扶持生产优质内容的个体老师以及中小型教育机构。比如调用周边资源，引入专业第三方扶持基金等，以此为中小创业群体提供高效的变现机制。
自去年12月成立教育事业部以来，百度在教育领域的布局正在加快。除了在传统的教师资源方面，百度推出了专为教师服务的互联网平台“百度优课”。百度在线教育的一大特色在于其教育信贷市场。百度CFO李昕曾在Q3财报电话会议上表示，百度要借助人工智能和大数据技术，从教育领域进入互联网金融。
据百度透露的数据，在教育信贷领域，百度已与超过700家教育培训机构达成合作，学生通过在线填写信息，线下和教育机构确定培训意向，审核通过后，即可获得“百度有钱花”提供的学费贷款，实现分期交学费。
腾讯坐拥QQ和微信两大社交平台，其固有用户与在线教育针对用户重合度之高，不容小觑。去年，腾讯将这一优势应用于教育信息化领域――分别以QQ和微信为基础推出QQ智慧校园和腾讯智慧校园，为各类学校提供一体化互联网智慧解决方案，范围涵盖学校管理、教务教学、校园生活等方面。扶持优质内容方面，腾讯也不甘落后推出了名师计划，旨在帮助名师实现知识经济化，扩大知识生产力与传播力，同时提供标准化服务与资源扶持。
加之腾讯出手向来大方。今年2月，腾讯3.2亿元投资新东方在线，而目前新东方在线申请挂牌已经获批，将登陆新三板。按照最近一次股票发行的价格来算，新东方网的总市值达到了31.72亿元，而腾讯当初的投资金额也由3.2亿元升值到了3.9亿元，平均每个月赚了1400万元。
线上线下结合
近年来在线教育的项目虽多，但往往良莠不齐，真正实现盈利的更是少数。
互联网教育研究院在2015年调查了400家在线教育公司，结果显示，有70.58%的公司处于亏损状态，13.24%的公司处于持平状态，仅有16.18%的公司保持盈利状态。同时，其报告还指出，由于新进入的项目非常多，而且有一部分项目已经死亡，整体上盈利的在线教育企业预计不超过5%。
在这个资本的“寒冬”，包括老师来了、36号教师、轻舟网等在线教育创业项目，都相继倒下。一位多年从事在线教育的业内人士向《中国经济信息》记者分析：“一个项目从开端投入资金到逐步发展，进入盈亏平衡状态，至少需要3到5年的时间。”作为一个更重视长期发展循环的行业，在线教育前期需要投入大量资金，而后期课程的制作、平台的维护以及产品的营销和推广，都需要团队极大的耐心和毅力。
随着在线教育行业的发展，平台的竞争，已经从最初的野蛮走向有序，从跑马圈地走向深耕细作，优质的教育内容成为巨头们的抢夺焦点。还有一些业内人士指出在线教育的一些弊病，例如在线教育APP更多是单向机械灌输，缺乏线下辅导为学生的知识体系做一个完整的梳理以及打通思维知识上的逻辑关联。
信天创投合伙人张俊熹对《中国经济信息》记者分析，线上与线下的结合将会是在线教育接下来发展的趋势。以留学教育为例，“以前的出国留学只是在国内做一些语言培训，但是长周期的链条并没有被开发出来，出国后的实习、就业、移民、置业等等，有很多内容可以深入挖掘。”张俊熹说。
尽管在线教育市场前景广阔，但在创新工场投资总监张丽君的眼里，其实它每个细分领域的市场规模并不大。而且，与其他行业不同，教育行业的内容不能完全规模化复制，往往面对不同的时期和对象，都需要重新做，因此并不容易找到大的市场。
今年在线教育还有一个创新动作就是与AR、VR合力。正如李彦宏多次在公开场合强调的，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”平台，宣布百度教育生态将依托人工智能技术，朝着内容化、智能化、个性化方向发展。百度教育事业部总经理张高透露，人工智能在百度教育的布局分成内容的数字化、学习的个性化与交互的拟人化三个部分。不过，业内声音普遍认为，鉴于教育行业自身的慢热特点以及技术发展尚在初期等原因，人工智能与教育的融合还需要一个漫长的过程。
人工智能与教育培训范文第2篇
[关键词] 科学中心；信息化；教育培训；科学实验
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 01. 099
[中图分类号] G322 [文献标识码] A [文章编号] 1673 - 0194（2017）01- 0174- 03
0 引 言
“科学中心”是指那些相当于国际上被称为“科学技术中心” （Science and Technology Center，简称“科学中心”） 或以科学中心展示教育方式为主的科技博物馆。以美国旧金山“探索馆”的建成为标志， 20 世纪 60 年代以后，世界上掀起了科学中心的建设热潮。到今天，全世界已建成的科学中心已超过2 000 座。
1 科学中心信息化及展教功能建设
在我国，近年来信息化建设已经成为科学中心内容建设的重要组成部分。科学中心信息化建设的总体建设目标是，利用现代信息化技术管理科学中心运营过程中的各个环节，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应用在科学中心运营管理、展教和公众服务等方面。其最高阶段即科学中心的各部分都由智慧化的信息系统完成，无需人工干预，科学中心内外人与物、物与物、人与人实现智慧对话的状态。为实现这个目标，需要在科学中心现有业务管理模式的基础上，结合长短期的管理规划，对业务及管理进行梳理、提升和规范后，逐步建设起来。第一步，实现基本业务信息化建设。第二步，实现基础运营管理信息化建设。第三步，实现展教及公众服务智能化建设。第四步，实现智慧运营管理建设。其中，最重要的功能和目的就是直接服务于展教和公众，紧密结合现有先进、成熟的信息化技术，提升展览教育实践水平和公众体验就显得尤为重要，这也是科学中心在信息化规划第三步中需要重点实践的内容。
科学中心的展教工作紧密围绕展教大纲开展，展品类型包括互动启发类展品、模型展示类、多媒体教育类及艺术装置类展品等。近年来，信息化技术、互动体验方式都发生了很大的变化。特别是虚拟现实技术（以下简称VR或VR技术）和增强现实技术（以下简称AR或AR技术）的应用和发展发生了巨大的变化，应用场景和应用范围越来越大，资源内容越来越丰富。
科学中心实现教育传播功能的主要载体除了常设展览外，最重要的是加入了以探索实验与过程体验为主的教育培训专区。教育培训功能以青少年为主要服务对象，兼顾社会需求的多元化，注重双重素质教育，既培养科学素质，更侧重开发工程技术素质。
2 实验室案例分析
现着重以B科学中心“信息千里眼”远程观测实验室为例，具体阐述如何将VR技术与传统的教育功能相结合，从而提升教学体验的实践。
2.1 实验室简介
B科学中心“信息千里眼”远程观测实验室是以中小学生为主要对象，以远程观测为特色的科普实验室。学生操作实验室内的设备，可以控制远方观测点的摄像头，实现远程观测的探究方法。本实验室涉及生物学、生态学等自然科学。教学过程中采用学生观测、记录与教师引导、讲解相结合的教学方式，侧重培养科学探究的思路和方法。
2.2 实验室设施配备及用途
高清网络摄像头均布在三个观测地，硬盘录像机均布在三个观测地，用于录像和存储有价值的观测视频资料；3台42即ッ屏一体机及照片打印机放置在教室，学生通过触摸屏一体机进行操控，控制观测地摄像头的转向，观测动植物，达到科学探究的目的。
2.3 实验室的优势
（1）省去舟车劳顿，同时可享受异地优质科学教育资源。“信息千里眼”的三个观测点分别分布在武汉、昆明、青海。通过本实验室，在北京就能经常观察三地的动植物成长和环境情况，省去多次来回奔波，节省了大量时间和金钱，提升了观测和学习效率。
（2）整合大量优质资源进行科普教育。本实验室整合了科研院所的优质资源。不仅提供实时观测，还有专家团队提供支撑。既能传播知识，还能培养科学研究的方法。
（3）观测过程可实时保存，成为有价值的图像视频资料。传统拍照片和录视频，往往耗人力、时长短，而远程观测的方式可方便保存大量数据，满足不同人群从中挑选有价值片段的需求。学生还可现场打印观测到的图像。
2.4 发现的问题及解决措施
可见，该课程教学环节的重中之重就是远程实时观测，远程实时监控观测虽然在形式上有所创新，但仍面临以下问题：第一，受四季气候、时长的限制，观测者无法在一节课45分钟内看到植物发芽、成长、开花、结果的全过程，也无法人为控制动物按课程设定呈现相应的动作行为；第二，出于对设备的保护和观测点的实地情况等原因，摄像头的安装位置往往距离观测对象较远，视野范围有限，无法近距离靠近观测对象，致使观测起来不能十分清晰；第三，从远程观测系统看到的画面为传统2D形式，观测者没有身临其境的感觉。
利用虚拟现实技术沉浸性、交互性、构想性、动作性、自主性的特点，创建出的高度虚拟仿真效果，能使学生沉浸其中，不仅可以将植物的一生浓缩到短短几分钟内完整呈现，而且能将动物的各种行为活灵活现地展示出来，不受四季气候影响，也无需担心距离、时长等因素而产生的缺憾。如以远程观测小滇金丝猴的幸福成长课程为例，VR系统不仅可以在短时间内完整呈现滇金丝猴从出生到成年的形态特征，还可以通过互动设计，实现观测者以一个小滇金丝猴的视角，体验群体中其他成员给予小猴的关爱，如爬到爸爸的头上，侵犯作为一家之主的权威，他不恼怒，妈妈和阿姨们争相拥抱它，哥哥姐姐们带着他在树枝上跳跃玩耍，遇到危险时帮它赶走天敌等等，让观测者宛若滇金丝猴的家庭成员一般，感受猴群中小猴幸福成长的过程。总之，虚拟现实和VR眼镜系统，已成为借助虚拟现实及传感技术创造的一种崭新的教学教育系统，让每一个观看者带着惊奇和欣喜去体验真实的虚拟世界。
3 结 语
通过B科学中心“信息千里眼”远程观测实验室课程开发的实践，将科研院所科研资源+富媒体数字科普资源+虚拟现实技术与现有教学方式有机融合，将宝贵的科研现场、科研过程，应用虚拟现实技术带来的情景沉浸式、全景式的表达形式，形象逼真地呈现给体验者，有利于激发中小学生对科学的兴趣，有利于青少年创新思维的培养，有利于青少年及公众科学素养的养成，更可直接为科技馆相关培训教育功能目标的实现提供更好的方式方法。
除此之外，如VR技术、AR技术等新的信息技术，还非常适合应用到科学中心的常设展览中去，比如常设展厅大量的展项，均可运用VR、AR等新技术对展项进行延伸体验、说明和补充，与传统互动展项形成有效互补，更深层次的丰富了展项展示的形式和内容，从而更加吸引观众观看、互动和探索。
主要参考文献
[1]朱幼文. 中国的科技馆与科学中心[J]. 科普研究， 2009， 4（2）：70-73.
[2]龚剑.科技馆的实验教育[J].科技传播，2012（8）：37-38.
[3]朱玲玲.浅析科技馆的科学实验教育[J].科协论坛，2013（2）：45-46.
[4]李志坤.科技馆信息化建设的初步探讨[J].科技风，2013（17）：53.
[5]王星儒，唐硕阳.虚拟技术在博物馆建设中的应用研究[J].艺术教育，2015（2）：73-74.
[6]任星.浅谈虚拟现实技术及其在科技馆中的应用[J].科学大众：科学教育，2008（4）：138.
人工智能与教育培训范文第3篇
【中图分类号】G 【文献标识码】A
【文章编号】0450-9889（2013）06B-0018-02
中小学校的现代化教学工作经过多年发展，逐渐形成了以多媒体、网络、人工智能、虚拟仿真等技术为核心的现代教育技术，并逐渐发展成为一门独立的学科。我们有必要积极吸收现代教育技术发展的成果，在中学教学环节中充分利用电教设备、多媒体、虚拟现实及计算机仿真等现代教育媒体与技术，改进教学手段，改善教学环境，完善教学内容，不断提高课堂的教学效率。本文拟对农村中小学校运用现代化教学手段的现状进行分析，并提出利用现代化教学手段打造高效课堂的策略。
一、农村中小学校运用现代化教学手段的基本情况
1.经深入调查，笔者了解到，在农村中小学校运用现代化教学手段的程度不高。虽然学生在课堂上表现活跃，兴趣很高，但教师的课堂教学设计还是无法摆脱“传统教学”的制约，仍然以传统教学手段为主，课堂上一块黑板、一支粉笔的教师满堂灌、学生死记硬背的现象还比较普遍。
2.对于实验教学，无论是学校领导还是实验教师都能认识到其重要性，但却不能从根本上重视，加上农村中小学校教育经费的紧张，一些短缺的仪器、药品未能及时补充，导致实验课教学没能正常开展。
3.现在大部分的农村中学、中心小学都配备有电子白板技术设备，但很多教师没能充分利用，导致课堂容量小、训练量不够，不能充分调动学生学习的积极性，课堂效率低。
二、农村学校少用现代化教学手段的原因分析
1.与学校领导和教师的认识高度有关
现代化教学手段能否发挥其高效益主要取决于学校领导和教师的思想认识程度。不少学校领导和教师认为，利用现代化教学手段只是为了增加教学的直观性，只不过是帮助验证某一现象，与其拿出一节课的时间来验证这一现象，还不如利用几分钟的时间说明这种现象来得直接。这种心理定势直接制约了现代化教学手段的运用。
2.与是否有教学理论支撑有关
任何改革若没有一定的实践理论支撑，是很难顺利开展的。有效的课堂教学需要经过一系列的试验论证后，总结出一整套的理论依据，通过课堂的进一步探究而形成的。主管部门对教师的相应培训相对滞后，再加上教师自身的知识储备不足，导致教师对高效课堂教学中利用现代化教学手段缺乏理论支撑。因此，需通过专家的理论培训、现场授课指导，让教师了解和掌握理论，并通过进一步的课堂探究，让学生认可并接受，方能广泛应用。
3.不理解现代教育技术手段的作用
随着现代教育技术的发展，多媒体教学在课堂教学中，为教学模式和增强教学效果提供了更多的可能性，但是在课堂教学中许多教师认为这种技术进行虚拟的效果缺乏真实性，就像电影一闪而过，没有足够的优势。
三、利用现代化教学手打造高效课堂的策略
1.更新教育教学理念，加强理论学习
要充分发挥现代化教学手段在高效课堂教学中的功能和作用，一是学校领导和教师要更新观念，正确认识现代化教学的功能与作用；二是学校教师应该积极主动地加强理论学习，提高自己的业务水平，使现代化技术教学能够真正的、良性的开展起来。
（1）用现代化教学装备进行交流和学习。学校现代教育技术装备发展的步伐在不断加快，农村学校的“校校通”“校园网”“班班通”等也在有计划地逐步实施。学校应充分利用好“校校通”“校园网”等，共享资源，加强教师间的学习、交流与合作。
（2）借助各类教育资源平台进行学习。学校应借助远程教育中丰富的教育资源，通过校园网将教师的继续教育、国培教育培训以及本地建立起来的教育资源网有机结合起来，为本校教师的校本培训和继续教育培训提供广阔的学习交流平台。
（3）转变传统的教学观念。能否建立起与素质教育相适应的现代化教学模式，更新观念是关键。传统的教学思想是束缚课堂教学改革的绊脚石，因此，教师必须更新观念，勇于改革创新，充分利用现代化教学设备装备课堂，才能有效地提高教学质量。
2.加大资金的投入力度，创设良好的现代化教学环境
（1）为改变教学装备硬件建设落后的局面，学校要投入一定资金对课堂现代化教学进行彻底地改造。
（2）对现代化教学所需的仪器、设备及时更新和补充，以保证教学所需，确保实验开足开好，甚至创造条件补充一些探究性课堂教学设备。
（3）学校教学仪器设备的管理技术人员的工作量在学校的评估方案中应予以充分合理考虑，并把现代化技术教学成绩列入学年教学评估中，以极大地调动技术管理人员和老师对现代化教学的工作积极性。
（4）学校要切实加强仪器设备的管理工作。教务、科研、总务要形成齐抓共管之势，开学初要制定现代化技术教学工作计划，落实设备的购置及仪器的维护保养以及设备仪器管理的文化宣传，要营造一个良好的环境，使学生进入技术设备室就能感受到现代化教学设备的浓厚氛围，提高学生的学习与创新兴趣。
3.借助现代化教学手段，实现高效课堂
现代化教学手段可以将枯燥的化学材料综合处理为图文、声像、动画等多媒体信息，可以把抽象变为直观，也可以把肉眼看不到的微观世界变为栩栩如生的宏观材料，把学生带入绚丽多彩的化学世界，使学生的思维产生强烈的冲击，大大提高了课堂效率。可见，现代化教学手段可以为高效课堂插上腾飞的翅膀。
首先，要利用现代教学手段创设有趣的教学情境，激发学生学习的兴趣。
现代教学手段综合了文本、影像、动画、声音等，可以轻易地创设出生动有趣的教学情境，其感染力和表现力都很强，可以把使学生带入喜闻乐见、生动活泼的学习情境中，引起学生极大的注意力，激发学生强烈的求知欲望，使他们的思维活跃，促使他们主动投入到课堂学习中。例如，在新人教版九年级化学《二氧化碳的性质》教学中，我们用多媒体来演示意大利“死狗洞”的故事，让学生在观看动画场景中产生疑问：为什么在洞中活蹦乱跳的小狗突然死去而同行的人却安然无恙？并以此为线索，创设有趣的情境导入新课，将学生的注意力迅速吸引到所学内容上，激发他们的学习兴趣，对学习的内容产生主动探究的欲望，为高效课堂的开展创造了有利条件。又如，学习新人教版九年级化学《原子的结构》时，笔者播放课件“电解水”的微观图示，运用动画效果使学生比较直观地认识物质发生物理变化和化学变化的实质，提高学生的三维目标。
其次，要利用现代教学手段加大教学容量，提高课堂效率。
现代教学手段集声情并茂、图文并茂、影音并茂于一体，其容量之大是传统教学可望不可即的，它可以多角度、全方位、高效率地展示和传递信息。利用其优势，可以使学生高效地吸纳大容量的学习内容，增加了课堂容量，压缩了教师讲授时间，把更多的主动权留给学生进行自主学习和主动探究，提高了课堂效率。例如，在学习石灰石用途时，我们可以利用网络资源，搜索一些千姿百态的钟乳石、石笋和石柱等奇特景观图片、影像资料，甚至我们可以自己拍摄与教学内容相关的图片，添加到教学内容中，配上悦耳动听的音乐……这些视听感受不仅激发了学生的学习兴趣，而且会拓宽学生的视野，增加课堂的信息量。又如进行O2、H2、CO2实验装置及相关练习部分的复习时，如制作化学实验常见的仪器素材库，课堂上根据教学内容的需要利用多媒体组合仪器并进行实验，加快了教学节奏，呈现出更多的装置组合，大大提高了教学效率。
4.实施制度管理，实现现代化教学技术广范应用
（1）建立健全完善的规章制度是实现现代化技术教学中人尽其才、物尽其用的关键问题，是扎实开展课堂教学改革的有力保证。一方面，健全各科仪器设备和实验教学设施的有效使用制度，保证其永远处于最佳利用状态；另一方面，充分保证和体现良好教风学风的行为规范，使教师按照制度进行教学。同时还要健全奖惩制度，在评优、晋升方面平等对待，甚至给予一定倾斜，以保证利用现代技术设备教学工作的相对稳定，充分发挥教师们探究高效课堂教学工作的积极性。
（2）学校要从仪器设备的采购、管理、使用、维护等环节都制定详细的规章制度，并由学校各主管部门负责。配备责任心强、工作经验丰富的专职人员，且做到结构合理。
人工智能与教育培训范文第4篇
【关键词】模具行业；产品制造；发展现状；趋势
1.我国模具业发展现状分析
从近几年的发展情况来看，我国模具市场发展前景十分乐观。我国模具行业“十一五”头3年模具工业产值年均增长率为17.1%，2003年全国模具总产值达450亿元以上，2005年总销售额超600亿元，。按年均增长率为15%推算，2010年全国模具总产值达约1200亿元，2020年约为3100亿元。经过10年努力我国模具水平到2010年时将进入亚洲先进水平的行列，再经过10年的努力，2020年时基本达到国际水平，我国不但成为模具生产大国，而且进入世界模具生产制造强国之列。在模具生产方面，国内已经能够生产精度达2μm的精密多工位级进模；在汽车模具方面，已能制造新轿车的部分覆盖件模具。许多模具企业十分重视技术发展，增大了用于模具技术进步的投资，现今从事模具技术研究的机构和院校已有30余家，从事模具技术教育培训的院校已超过50家。
但与一些发达国家相比，我国现阶段模具水平仍存在较大的差距。主要体现在以下几个方面：（1）模具设计体系规范模具设计软件系统开发是当务之急；（2）制造工艺水平国内模具生产厂家工艺条件参差不齐，不少厂家特别是私有企业，由于设备不配套，很多工作依赖手工完成，严重影响精度和质量。而欧美许多模具企业的生产技术水平在国际上是一流的；（3）调试水平模具属于工艺装备，生产出合格制品才是最终目的。国内模具的质量、性能检验大多放在用户处，易给用户造成大量的损失和浪费。而国外大都拥有自己的试模场所和设备，可以模拟用户的工作条件试模，所以能在最短时限达到很好的效果；（4）原材料问题国产模具多采用2Cr13和3Cr13，而国外则采用专用模具材料DINI、2316，其综合机械性能、耐磨、耐腐蚀性能及抛光亮度均明显优于国产材料；（5）价格因素对用户而言合理的质量价格比是最优选择，所以进口模具价格比国产模具高8～10倍，仍有其市场空间；（6）配套体系我国模具生产企业往往忽视与其它设备、原料供应商合作，无形中使用户走了许多弯路。
2.模具设计技术
随着国民经济和生产技术的不断发展以及计算机设计技术的开发，模具设计有了新的发展方向。3.1CAD绘图技术CAD绘图技术的出现给模具设计工作带来了方便之门。CAD系统在模具设计中的广泛应用。现阶段使用最多的是“Pro/E”软件的应用，该软件具有易用性、高效率、实用性。3.2CAD/CAE/CAM技术从20世纪90年代开始发展的模具计算机辅助工程分析（CAE）技术现在也已有许多企业应用，一些工业发达模具企业应用CAD技术已从二维设计发展到三维设计，而且三维设计已达70%以上，它对缩短模具制造周期及提高模具质量有显著的作用。CAE软件的应用国外已较普遍，国内应用还比较少。
3.先进制造技术（AMT）在模具中的应用
3.1快速原型制造（RP）技术
RP技术在模具制造领域的应用主要是制作模具设计制造过程中所用的母模，有时也用于直接制造模具。RP技术可分为直接快速模具与间接快速模具技术。如SL、LOM、SLS、SDM。其优点是制造环节简单，能够较充分地发挥其技术优势；对于那些需要复杂形状的内流道冷却模具与零件，采用直接RT（由RP直接制造出使用模具的技术称为直接RT技术）有着其他方法不能替代的独特优势。间接快速模具制造，通过快速原型技术与传统的模具翻制技术相结合制造模具。一方面可以较好地控制模具的精度、表面质量、机械性能与使用寿命，另一方面也可以满足经济性的要求。如基于喷射的成型技术，如FCM、3DP、快速精密铸造模具等。RP各成形工艺都是基于离散-叠加原理而实现快速加工原型或零件，如图1。
3.2虚拟制造技术（VMT）
虚拟制造是采用计算机仿真与虚拟现实技术，在计算机上实现产品的设计、工艺规划、加工制造、性能分析、品质检验以及企业各级过程的管理与控制等的产品制造全过程，是一种通过计算机虚拟模型来模拟生产各场景和预估产品功能、性能及加工性等各方面可能存在的问题，从而提高人们的预测和决策水平。虚拟制造技术是以三维建模和仿真技术为基础，以虚拟现实技术为支撑的全新的技术（图2）。
3.3反求工程技术RE
随着检测技术的发展，将现代测量技术不断融入模具产品设计中，进一步推动了模具制造产品快速制造的能力。反求工程是以设计方法学为指导，以现代化设计理论、方法、技术为基础，运用各种专业人员的工程设计经验、知识和创新思维，对已有产品进行解剖、深化和再创造。反求工程是通过对存在实物模型或零件进行测量，然后根据数据进行重构设计。见图3。
3.4有限元仿真、模拟技术的应用
随着计算机技术的迅速发展，融合了CAD、数值计算、CAM、CG等各类技术的数值模拟技术—有限元分析，逐步应用在模具的设计制造中。数值模拟技术通用或专用的软件各类很多，如DYN-3D、OPTRIS、ANSYS、MARC、ANAQUAS、ALGOR等。可直观地在计算机屏幕上观察到材料变形和流动的详细过程，了解材料的应变分布、材料厚度变化、破裂及皱曲的形成。设计人员根据已有的经验来调整模具参数及成型工艺、修改毛料形状和尺寸，极大缩短试模和修模时间，有效地提高产品质量和生产效率（图4）。
3.5模具中其他的先进制造技术
除了上述模具先进制造技术，还有模具微细加工、模具纳米加工、模具微型机械加工、模具的敏捷制造技术、模具柔性制造技术、模具集成制造技术、模具企业网络制造联盟技术、模具制造CAPP技术、模具的智能制造技术等。模具制造技术种类繁多，大部分的先进制造技术都可以应用到模具制造中，而且在不断发展之中。
4.模具技术发展趋势
4.1大力开展并行工程，快速响应市场需要
在国际上，模具工业是公认的关键工业，目前我国已成为世贸组织的新成员，各类产品都需要提高质量降低成本，首先要解决模具设计制造周期，最大限度地缩短生产环节间的过程，所以模具设计与制造过程的正确方法应该是并行工程的方法。实施模具制造并行工程模式将逐渐取代传统工作模式成为模具制造业中新的主导模式。
4.2数字化、自动化、柔性化、集成化、智能化和网络化方向
数字化是模具产业发展的主流，而自动化则有助于实现操作，提高加工质量和效率，快速响应市场需求。柔性化可实现多品种小批量生产。集成化可充分利用CAD/CAM、CIMS等技术实现设计制造一体化、并行设计、虚拟制造、反求工程等。智能化可利用专家系统模糊推理、人工神经网络、遗传基因等人工智能技术，解决知识的重用等问题。网络化可跨地区、跨院所实现技术资源的重新整合和共享。
4.3模具检测、加工设备向精密高效和多功能方向发展模
具向着精密、复杂、大型的方向发展，对检测设备的要求越来越高。如美国的高精度三坐标测量机具有数字化扫描功能。实现了从测量实物建立数学模型输出工程图纸模具制造全过程。高速铣削技术，模具自动加工系统等的研制和开发。
人工智能与教育培训范文第5篇
关键词：数据管护 数据管理 研究数据 知识图谱
分类号：G250
引用格式：虞晨琳. 国际数据管护的科学知识图谱研究[J/OL]. 知识管理论坛， 2017， 2（3）： 201-213[引用日期]. http：///p/1/137/.
1 引言
随着E-Science的发展，科研行为的主要特征是基于数据的科学探索，研究数据是科研活动的驱动力，科学研究已步入以数据密集型为特征的大数据科研范式[1]。大数据时代，研究数据的内涵与特点发生改变，其来源范围广、类型多样、数据体量巨大以及数据流实时变化，被称之为科学大数据[2]。因此，以往的数据管理模式因不能适应研究数据的管理，而使得研究数据易遭到损坏与污染，数据不能得到有效利用和长久保存，影响现阶段的科学研究行为的进行。各领域学者基于自身学术背景对研究数据管护（data curtain， DC）进行了理论研究与实践探索。笔者将对国际学术界的数据管护研究进行梳理，以期整体、全面地认识与把握数据管护研究的整体面貌。
2 数据管护定义
英国数据管护中心（Digital Curation Centre， DCC）对数据管护进行明确定义：数据管护是指贯穿数字化研究数据整个生命周期的维护、保存和增值的动态主动的管理活动；对研究数据进行主动的管理，其目的是为了确保数据在未来研究价值的威胁、降低数字老化的风险；置于可信的数字化存储库中的管护数据，可促进英国研究领域的数据共享；数据管护可减少数据创建的重复工作，并通过增强高质量研究的可用性来提高数据的长期价值[3]。联合信息系统委员会（Joint Information Systems Committee， JISC）指出， 数据管护是在数字数据和研究成果的整个生命周期内， 维护和利用它们以服务当前和未来的用户的一系列活动[4]。
从档案视角解读，认为数据管护是将数字保存、数字图书馆管理、数字归档和数据管理阶段性介入活动进行融合成一个整体；数据管护实质是贯穿整个数据生命周期的管护活动，数据管护术语的产生，由于数字归档的含义在信息资源保存领域的滥用，使得数字归档的含义遭到曲解，使得数字资源的长期、全过程管理的研究需要创建新的术语来准确描述数字资源的生命周期管理的研究[5]。
美国伊利诺伊大学图书馆与信息科学学院提出数据管护是在学术研究、科学和教育活动中主动、持续地贯穿数据生命周期的数据管理活动，通过数据认证、归档、管理、保存和描述来促进数据的检索发现、长期保存和增值重用[6]。
综上所述，数据管护具有以下特点： ①数据管护是一种主动、持续和不间断的数据管理，贯穿整个研究数据的生命周期，确保研究数据管理过程是一条可追溯的连续链条； ②数据管护目的是维护和增值研究数据的价值，确保数据的真实可靠和长期可用，满足现在和未来的使用需求；③数据管护促进研究数据资源的检索与发现、共享与利用、减少科研资源的重复建设。
3 研究结果分析
3.1 数据与方法
为全面把握国际数据管护研究情况，避免遗漏重要文献，本文所选取的统计数据来源于Web of Science （WOS）核心合集数据库，以 “digital curation” “data curation” 为主题或标题进行检索，时间跨度：1900-2016年，文献类型：包括“article，editorial，letter，proceeding paper，review”5类，检索时间为2016年10月31日，并对检索结果进行去重、清洗，最终得到319条文献记录。
国外数据管护研究的文献增长趋势符合普赖斯提出的科学文献指数增长的普遍规律，拟合优度R2为0.974（见图1）。国外数据管护研究始于2000年，2000-2005年间的发文量少，发展极为缓慢，研究处于起步阶段；2006-2013年间的年发文量呈现增长态势，实际发文量都超过理论值，研究处于快速增长期；2013年之后，实际发文量小于理论值，且两者之间的差距逐年拉大，研究步入成熟期。数据管护的年发文量呈绝对值持续增长趋势，自2013年起，每年发文量均在40篇以上，2015年达到62篇。
本文所选取的研究方法是科学知识图谱，科学知识图谱是将信息可视化技术、应用数学、图形学、计算机科学等与科学计量学结合起来的交叉科学研究方法，可将科学前沿领域的海量文献数据信息转换为可视化图像，展示单凭个人经验难以直观获得的学科前沿领域的总体图景、发展态势与结构特征。具体分析方法是基于共现分析法来明确国外数据管护的研究主体；利用共被引分析展现国外数管护的知识基础。
3.2 数据管护的研究主体
利用CiteSpace软件共现图谱分析法，从学科分布、研究机构、作者分析3个维度对施引文献进行分析，以探求数据管护的研究主体。
3.2.1 学科分布分析科学知识图谱
如图2所示，计算机科学与图书情报学的节点年轮较大，表明学科的发文数量多；节点年轮颜色由蓝、绿、黄组成，暗示研究跨3个时间段，长期时间关注且持续性研究。生物化学研究方法、天文与天体物理、计算机科学、成像科学与照相技术、统计与概率、地理学、生物化学与分子生物、遥感、基因与遗传学等学科的节点被紫圈标注出来，代表节点具有较大的中心度（不小于0.1），处于在网络结构中重要的中心位置，在研究中具有重要影响力。
从学科分布来看，数据管护研究具有多学科性，应用学科和基础学科均关注数据管护方面问题，积极开展相应的研究工作，产生这种现象的原因主要为：①研究数据主要由具体的基础学科产生。研究数据来源于科学研究的观测、探测、调查和综合分析所获得的数值型的事实记录，随着21世纪的信息技术革命，新一代科学研究的手段与方式的应用，促使研究数据的生产方式步入自动式化感知式系统阶段。研究数据具有学科背景属性，基础学科多围绕学科的特定项目开展数据管护研究，以满足自身学科知识体系对研究数据的管护的特定需要。②不同学科的研究数据在管理与服务具有共同属性。应用学科夯实了数字化科研的基础以及统一了研究数据的技术标准，这些称为了数据管护中的网络基础设施的依托、信息技术的支撑、政策指导与管护理论的提供了强有力的支持。
计算机科学在数据管护的研究方向主要是人工智能、信息系统、跨学科应用、软件工程与理论方法，从全方面对数据管护研究进行技术支持，其研究始于2001年。生命科学与生物医学对数据管护研究力度与重视程度不亚于计算机科学，随着新一代测序工具与技术出现，基因研究产生海量的基因数据，因此，生命科学与生物医学对于基因数据管理需求增大，需要确保基因数据的及时更新、实时维护、关联和集成资源、长期保存与有效获取等，驱动科学研究的新发现。图书情报学的发文数高达84篇，科学体量较大，学术影响力较强，是推动数据管护研究进展的主力军之一。
3.2.2 研究机构分析
由图3可见，北卡罗来纳大学教堂山分校、爱丁堡大学、普渡大学、格拉斯哥大学、约翰・霍普金斯大学、南佛罗里达大学以及圣迭戈加利福尼亚大学在数据管护研究上比较活跃。
突现是指变量值在短时间内发生很大变化，突现信息是一种可用来度量更深层变化的手段，对机构突现的研究，能够把握机构在数据管护研究上的关键转变节点。北卡罗来纳大学教堂山分校2007年共有4篇关于数据管护的文献，主要为数据管护的人才培养和软件工具研发的研究。其图书馆与信息科学学院承担的数据管护课程（Digital Curation Curriculum，DigCCurr ）项目，包括培育数据管护的研究生层次专业人才，探索数据管护课程设置[7]；界定数据管护人才以及数据管护应具备技能与知识[8]。The Vidarch Project1项目捕获数据资源的相关信息，基于数据资源的元数据和上下文本信息关系，实现数据资源的全面注释[9]；研发ContextMiner 2工具，帮助数据管护人在数据库中进行数据查询、编译及存储[10]。爱丁堡大学2004-2007年共有4篇关于数据管护的文献。面对生物数据爆发式增长，P. Buneman倡议对数据库进行管护，确保数据的安全可靠[11]；P. Buneman同时阐释数据管护的两种不同的文化，档案专家、管护者侧重对数据资源的长期保存与可靠访问，研究者侧重数据资源的可视化、注释与关联[12]；C. Rusbridge等认为DCC成立将更好地指导数据管护活动的开展[13]；M. McGinley呼吁将数据管护纳入法律层面，以此将有效地指导研究数据的开放或保密[14]。普渡大学在2008年发表2篇关于数据管护文献。普渡大学图书馆在图书馆学和档案学原理的指导下，利用分布式机构知识库设施基础，开展具体学科的研究数据管理的探索，为数据管护研究提供实践案例[15]；M. Y. Eltabakh研发生物数据库的可扩展数据库引擎，支持研究者对生物数据库系统进行统一的数据管理，如数据及派生信息的注释、存储、数据查询和跟踪等，促进普渡大学的研究数据管理[16]。
3.2.3 作者分析
如图4所示， 节点年轮的颜色变化反映了研究者的活跃时段，笔者依据图谱的时间分区的颜色变化，将数据管护研究领域的主要研究者分为三代研究者，以2006年和2012年作为时间分区的分界点。
第一代研究者的节点以蓝色为主，随着科研信息化的展开，研究者对研究数据管护的需求不断增加。P. Buneman团队倡议及阐述数据管护以及数据管护中心成立的意义；P. Martin团队研发基因数据库的集成分析工具，支持数据集成化研究。第二代研究者的节点以绿色为主，主要是图情及计算机领域围绕研究数据管护展开的研究活动。C. Prom团队从数据管护教育角度，主持开展数据管护课程（DigCCurr）和数据管护差距弥补课程（Closingthe Digital Curation Gap）以储备数据管护的专业人才； L. Martinez-Uribe团队研究图书馆在数据管护的角色定位、服务创新；S. Ross团队研发文本流派分类方法自动获取元数据。第三代研究者的节点以黄色为主，研究主要是针对特定学科开展的细粒度的数据管护活动，?. Sánchez-Ferrer团队基于生物基因需求，提出数据管护的具体要求；W. Los团队建立数据管护以此来推进数据资源共享开放；C. Jandrasits团队从纳米领域提出数据管护的重要性；B. Stvilia团队从基因领域出发，研究数据管护以及数据质量要求；J. Bhate团队介绍国际分子交换联盟中心（IMEx Central）实施交互质量控制、交叉管护等数据管护措施。
3.3 数据管护研究的知识基础
由图5可知，文献共被引网络主要为8个聚类。基于被引文I和施引文献、聚类标签对各类的研究内容和核心观点进行解读，发现研究内容大致可分为数据管护对科研活动的新价值、数据管护的软硬件设施的建设、数据管护在具体学科的应用、数据管护的利益相关者以及图书馆的服务模式几方面。
3.3.1 数据管护对科研活动的新价值
表1列出聚类3#scientific data的被引文献和施引文献，阐释科学数据对科研活动的新价值，这些文献主要研究了如何使用数据管护实现对数据的维护和增值，涉及到科研工作流程、数据共享及出版的管理。科学研究具有数据驱动性和开放协作性，数据共享可以支持科学研究的再现或验证，确保研究结果为公众所用，方便其他人利用现有数据开展新研究，提升研究创新水平[17]。
科学界对小研究数据潜在价值的认识加 深[18]，P. Borgman以栖息地生态学为例，介绍了数字图书馆利用嵌入式网络感知中心，来支持“小科学”学科的数据管理，以便解决小研究数据向于异质、个人管理的状态或是未被保存、未被管理的状态[47]。尽管海量研究数据产生，使得数据洪流现象出现，但只有少数领域出现数据共享，C. Tenopir等2011年对1 329名科学家进行数据共享实践与理论调研，发现阻碍科学家进行数据共享首要原因是时间不足和资金缺乏，其次是开放平台、标准规范、政策制定等[19]。M. H. Cragin等承担的Data Curation Profiles项目是基于研究者角度对数据共享问题进行研究，从分享什么数据、何时和与谁分享的3个维度分析研究者数据共享行为[20]；P. Borgman分析什么数据应该被共享、被谁共享、在什么条件下共享、为什么共享以及要做什么努力等方面，能帮助认识数据共享；以上研究为数据政策制定和数据实践开展提供了指导[17]。
M.J. Costello提出以数据出版代替数据共享，构建数据的引用与访问系统，激励环境、生物学科学家研究数据，解决数据可用性问题[21]。R. R. Downs和R. S. Chen.设计跨学科数据提交的工作流，便于满足跨领域研究的科研人员提交数据的需求[22]。
3.3.2 数据管护的软硬件设施建设
数据管护的软硬件设施建设包括支撑数据管护的平台的基础设施，支持数据集成和关联的软件技术。表2列出聚类2#biologist-centricsoftware的被引文献和施引文献是面向数据管护的基础设施的建设研究，这些文献主要是探讨支撑管护软件研发和平台构建、服务体系建设以及最佳实践探索。
开源数字仓储软件（Fedora）描述数字对象及之间的复杂关系，为组织机构在管理及保存数字资源方面提供基础[23]。iRODS（integrated Rule-Oriented Data System）的数据网格帮助用户高效、简易管理各类数据资源[24]。英国图书馆与信息网络办公室总结数据管护的服务框架，鉴定关键利益主体，分析其责任、权利与协作方式，确定数据管理的目标（数据的保存、访问和重用），确定实现目标的机制、流程和实践[25]。普渡大学图书馆在e-Science环境下，构建面向科研的嵌入式服务的协同结构，开展研究数据管理服务，包括数据描述、类型和格式的标准、收集、组织、归档与保存[26]；科罗拉多大学博尔德分校图书馆参与领域科学的数据管护的过程，表明图书馆在专业人才、基础设施与信息服务的优势将有助于开展数据管护活动[27]。以上图书馆的探索成为数据管护的最佳实践。
表3列出聚类6#annotation的被引文献和施引文献是基于数据集成和关联的数据管护，通过构建大规模知识化的科学数据网络，便于研究者深入挖掘和有效解释科研数据中各类资源对象的内涵和关系。
基因芯片数据协会组织开发了微阵列数据标准，规范了微阵列实验解释的最小信息描述[28]，促进国际上基因组学的实验室及公共数据库的数据交流。C. A. Ball评述微阵列数据标准，规范了微阵列实验数据的注释描述和交换标准，辅助微阵列数据库的建设和数据分析工具的开发，促使高质量的基因表达数据的共享，为基因研究的标准化铺平道路[29]。S. A. Sansone提出以技术手段和奖励机制促进生物数据的互操作性，以提高科学社群对研究数据的充分利用和开放共享[30]。D. Howe认为生物研究数据管理和生物学数据管理的出现，解决不断增长的高质量数据需求与有限、落后的数据管理之间的矛盾[31]。B. M. Good等通过语义维基构建生物医学的语义网链接，直接嵌入维基百科编辑器来计算文章上下文的语义关系，增强维基百科文章的语义呈现，便于用户查询与发现[32]。
3.3.3 数据管护在具体学科的应用
数据管护在生物学科、化学信息学与生物信息学方面得到充分运用。表4列出聚类0#database的被引文献和施引文献是数据管护在生物学科的具体应用，这些文献主要是基于领域本体与元数据的数据描述的管护活动，为生物数据的描述和分类实现格式化，为计算机处理创造可能。
随着新一代基因测序技术的快速发展，使得基因组和转录组开始进入高通量测序，实验室和基因数据库得到海量核序列数，但是对核序列数的描述和保存格式不统一，严重阻碍了学术交流与资源共享。基因本体的出现，统一了规范基因功能注释和描述[33]；生命研究数据库采用基因本体来对研究数据进行标注，通用蛋白质资源数据库（UniProt）为科学社群提供集成、高质量、可获取的蛋白质资源数据[34]，PlasmoDB数据库通过疟原虫基因注释标准化，关联基因组定位、转录本信息等各种信息，方便疟疾研究者查询[35]。数据的描述、注释以及保存格式的规范，有助于研究的新发现，通过统一基因本体术语，便于集成高质量的数据资源，便于发现基因之间的相互作用的证据[36]。
表5列出聚类1#QSARmodeling的被引文献和施引文献是数据管护在化学信息学的具体应用，这些文献主要是围绕研究数据建模过程的管护活动，依据数学原理，探索数据之间的关系，提取信息及发现知识等。定量构效关系（quantitative structure activity relationship，QSAR）作为化学信息学的主要研究方法，是对化合物结构与其活性之间关系的定量描述研究[37]。
建立研究数据的汇聚机制与模型，如集成计算毒理学资源（Aggregated Computational Toxicology Resource， ACToR）、京都基因和基因组学百科全书（Kyoto Encyclopedia of Genesand Genomes， KEGG）和基因型―表现型数据库（Genotype-phenotype databases），以解决数据的多源、异构带来的数据使用效率低的难题。科研信息化的推进，数据驱动科学研究的发展，数据质量直接决定研究的成败。化学数据建模分析过程采用标准规范[38]，划定分析阶段，来确保QSAR模型分析结果的有效性[39]。面对预测毒理学的数据的来源涉及学科广、数据的表示灵活多样，F. Xin认为数据管护能确保预测毒理学的计算基础的数据高质量，推进学科发展[40]。A. J. Williams和S.EKINS倡议化学数据库采用数据管护，来保障数据质量，推动科研进展[41]。
表6列出聚类5#bioinformatics的被引文献和施引文献是数据管护在生物信息学的具体应用，这些文献论证了数据管护是如何支持生物信息学的研究新模式。J. Bellenson指出，微阵列芯片技术在鉴定致癌物质与环境危害的应用，促使毒理学研究的范式由假设驱动的研究转向数据驱动的实验[42]，数据对科研的重要性日益显著。W. Tong等指出arraytrack具有集合毒理学的数据存储、分析和可视化的功能，支持毒物学研究的进展与新发现[43]。
3.3.4 数据管护的利益相关者以及图书馆的服务模式
表7列出聚类4#digitalcuration的被引文献和施引文献确定了数据管护的利益相关者，这些文献主是围绕数据管护利益相关者展开的角色定位、职责划定和相互协作研究。
美国国家科学委员会（National Science Board，NSB）《21世界长期数字数据集合研究与教育》，明确了管理层面对长期数字数据集合管理的重视，开展数据管理研究以及教育培训，以支撑2000年以后的科学研究。基于数据在不同阶段的管理要求，提出不同机构、部门的数据服务角色定位，以实现数据管理服务角色的协作，实现数据管理服务的目标[44]。图书馆作为信息资源管理的参与者，拓展和延伸数据服务，定位管理角色与职责，研究技术标准和数据生命周期理论等，以期在研究数据管理乃至科学研究中发挥重要作用。H. R. Tibbo纳缁峥蒲Ы嵌榷壬笫邮据管护，尽管数据管护的发展离不开计算机技术的支撑，但社会科学对数据资产的长期管护更具有指导[45]。
表8列出聚类7#science的被引文献和施引文献描述了科研新模式下图书馆的探索，这些文献主要是描述了图书馆的数据管护服务模式。L.Lyon指出，随着“信息转变”，图书馆需要审视在数据驱动科研环境下的机构目标和服务范围[46]。P. Hswe和P Hswe从学术图书馆在人员配置、基础设施及服务定位角度，论述图书馆参与数据管理的必要性和参与模式，指出图书馆将出现新的职业角色来满足数据管理的需要[47]。G. S. Choudhury针对约翰霍普金斯大学已有的机构库等基础设施开展数据管护服务，强调数据科学家和数据人文专家等新角色在数据管护中发挥的作用，能全面支持高校研究数据管理[48]。L. M.Delserone论述了明尼苏达大学图书馆与机构库、信息部门等协同合作，共同规划建设学校的数据管护的基础设施；同时图书馆配置专业人才队伍，满足图书馆开展数据管理与服务的要求，建设“科学馆员队伍”[49]。L. Lyon基于Research360的机构研究生命周期模型，总结图书馆开展数据管护服务的10个阶段，包括数据管理要求、计划、信息学基础、引用、培训、许可、鉴定、存储、获取、影响[46]。
4 结语
随着21世纪的信息技术革命，科学研究范式向数据密集型转变，共同推动数据管护研究的兴起。对国际的数据管护研究的分析和解读表明，研究主体具有多学科性，其中，生命科学与生物医学基于自身学科知识体系，围绕特定项目进行数据管护的研究；计算机与图情等应用学科则基于研究数据的通性，研究通用的研究数据的基础设施与技术标准规范。研究主体的机构主要集中在欧美，其中北卡罗来纳大学教堂山分校、爱丁堡大学和普渡大学在数据管护领域比较活跃，具有很大影响力。相较国外，中国对数据管护的研究相对薄弱，武汉大学信息管理学院在国际数据管护的专业人才培养上开展深入调研与分析，具有较强的影响力。研究主体的学者合作不够紧密，缺少稳定的、高质量的研究团队。数据管护的知识基础集中于数据管护对科研活动的新价值、数据管护的软硬件设施的建设、数据管护在具体学科的应用、数据管护的利益相关者以及图书馆的服务模式。基于上述对国际数据管护研究的英文文献的梳理，望能为国内开展数据管护研究带来启示与借鉴。
参考文献：
[1] 吴金红， 陈勇跃， 胡慕海. e-Science 环境下科学数据监管中的质量控制模型研究 [J]. 情报学报， 2016， 35（3）： 237-45.
[2] 郭华东， 王力哲， 陈方， 等. 科学大数据与数字地球 [J]. 科学通报， 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文静， 陈晶，等. 几种 QSAR 建模方法在化学中的应用与研究进展 [J]. 计算机与应用化学， 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
