首页 > 文章中心 > 大数据时代数据的特点

大数据时代数据的特点

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篇大数据时代数据的特点范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。

大数据时代数据的特点

大数据时代数据的特点范文第1篇

>> 青少年网络政治参与的现状与属性 青少年社会化的新特点 网络时代青少年思想政治教育特点及对策 网络时代思想政治工作的新特点新情况对策探讨 网络亚文化视域中的青少年网络政治参与 青少年参与网络政治意识形态现状研究 网络时代新闻评论主体的新特点 论国外青少年网络政治参与的监管及启示 国外青少年网络政治参与的管理模式及其启示 刍议大数据背景下企业会计数据的新特点 大数据时代政治网络营销的反思以及政治本质的认识 福柯与大数据时代的政治 大数据时代 网络科学的挑战 大数据时代网络营销的特点、影响及对策 网络时代青少年的思想政治教育 网络时代青少年思想政治教育工作的具体对策 青少年网络公民参与的德育启示 网络思想政治教育在大数据时代的分析 大数据时代的网络思想政治教育 大数据时代网络学习环境的数据融合 常见问题解答 当前所在位置:l.

[2][美]伊恩・艾瑞斯.大数据思维与决策[M].宫相真,译.北京:人民邮电出版社,2014:25.

[3][美]维克托・迈尔・舍恩伯格,肯尼斯・库克耶.大数据时代:生活、工作与思维的大变革[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2013:2-3.

大数据时代数据的特点范文第2篇

关键词:大数据;统计学;样本;机遇;挑战

21世纪爆发的信息技术革命,改变了社会发展过程中的方方面面。在云技术、物联网技术等高科技信息技术的大规模革新背景下,网络数据增长速率十分惊人,海量庞大的数据标志着大数据时代的来临。作为与数据紧密相关的统计学学科,在大数据的时代背景下,将会面临一系列的机遇和挑战,研究统计学在大数据时代的发展趋势有着十分重要的时代意义。

1.大数据时代统计学面临的挑战

统计学是一门传统的学科,发展至今已经有几千年历史,无论是学科理论领域内还是生产实践过程中,统计学的发展已经十分成熟,存在着许多成熟的研究成果。统计学的不断发展为人类的社会生产带来了极大的影响,随着大数据时代数据呈现海量、分散式的分布状态,其对统计学的影响也是较为明显的。一方面,大数据时代数据之“大”已经超出人们的想象,数据之“全”让人们对于事情的认知更加全面,大数据的多样性、大体量改变了数据样本与总体之间的关系,另一方面,大数据的数据多样性的特点改变了传统统计对数据统计分析的主观诉求,过去人们通过统计分析更偏向于追求“为什么”,而现在的统计分析更趋同与追求“是什么”。这一系列的影响对于统计学的进一步发展提出了新的发展挑战:

1.1样本选取以及标准的确定难度加大

样本统计属于统计学的核心内容,统计学通过样本统计对客观事物数量特点、数量关系等展开研究。在大数据背景下,样本与总体之间的局部与整体之间的关联性将会进一步地降低,造成样本即是总体的变化趋势,因而会造成大样本的标准化的变更。数据来源的多样化进一步的提升了样本数量,继而提升了统计精确度,促进了统计学学科的高精尖的发展。但随着样本数量越来越多,而从网络环境中采集到的数据多半属于非结构化的数据,但传统统计学要求结构化数据,利用传统的关系数据库难以对非结构数据进行有效的转换,难以挖掘大数据大样本数据中的潜在信息。大数据时代统计样本的选取工作难度不断提升,传统统计学缺乏非结构数据的建设,难以发挥出大数据时代,大数据库有效转换非结构与结构数据的优势,也为统计学的进一步发展提出了新的挑战。

1.2统计软件以及统计方法的欠缺

随着信息计算机技术的快速发展,基于计算机运算环境的统计学软件应运而生,统计学软件的使用有效提升了统计学中对数据分析和处理的效率和精准率,统计模型也进一步的简化了统计的实际操作,更有利于一般性的统计工作的实践操作。大数据背景下,现阶段发展较为成熟的统计学软件如SPSS、DPS等,尚不能够实现大数据高速传输、存储功能,软件功能还需要一定的开发和升级。与此同时,数据在大数据时代下属于一项资本,其被开发的水平还略显不足,绝大多数被互联网、搜索引擎以及电子商务等相关IT公司、统计机构所掌握。

2.大数据时代统计学面临的机遇

2.1统计效率的提升

在大数据时代,统计学的统计效率得到了更好的体现。一方面,大数据的多样化、及时性特征能够有效弥补传统统计中数据的滞后性问题,有效的提升了统计的时效性,另一方面,大数据的高速传输为统计的动态数据的收集提供了保障。与此同时,大数据可被频繁反复应用,采集的统计数据不再单单局限于一种相关用途,其能够服务于各式各样的需求。对采集数据应用的次数逐步增多,数据所具备的潜在价值被更全面的挖掘,而采集数据所产生的成本并不会受数据应用的次数所影响,故各式各样用途的平均统计成本将得到显著地降低。

2.2统计学科体系的新延伸

大数据引入到统计学科之中,庞大的数据使得样本的选取、标准划分都产生了新的变化,传统统计中的样本统计将会进一步的朝向总体统计的方向发展,一并囊括总体统计、样本统计的统计学科体系,能够有效消除总体统计的数据采集难度,弥补样本统计的数据采集不足,达到有效延伸统计学科体系的目的。

2.3统计学科的应用范围扩大

传统的统计学实践是为了去了解一个结果或者一个原因,但基于大数据的统计学科将向人们展示的是一个具体的过程。从前,人们习惯于根据“研究问题”来驱动“收集数据”。今后,大数据到处可得,人们将会用“数据”驱动“研究问题”而这种功能性的还变,促进了统计学应用范围的进一步扩大,例如传统的统计学往往被用来作为一个数学形式的参考信息,例如卫生统计、生产统计等等,但在大数据背景下,数据本身所含有的信息更加丰富化和多元化,基于海量用户下的网络数据所包含的信息极为广阔,而这些信息涉及到他们生活中的方方面面,这些信息一旦被深入挖掘出来,将会促进许多产业的快速发展。在大数据背景下,传统统计学的结构化数据局限会逐步接触,在非结构或者半结构的数据统计下,统计学将会应用到许多传统意义上无法数据化的行业领域中。

3结束语

数据是统计学科的核心,也是统计学科的主要价值体现。大数据时代改变了传统的数据的意义,数据所包含的信息、传播速度、分布速度也远远超出了我们的想象,数据核心意义的转变,迫使得以此为基础的统计学科必然会随之做出改变。机遇与挑战并存,在新的时期,统计学要想快速完成其学科的有效转换,就必须要进一步的深入研究大数据的时代特征,并有效地与传统统计学结合起来,以达成统计学科的进一步发展。

作者:郑雅倩 单位:海南师范大学数学与统计学院

参考文献:

[1]维克托•迈尔-舍恩伯格,肯尼思•库克耶.大数据时代—生活、工作与思维的大变革[M].盛杨燕,周涛译,杭州:浙江人民出版社.2013

大数据时代数据的特点范文第3篇

[关键词] 大数据时代;会计工作;挑战;思考和应对

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2015 . 17. 017

[中图分类号] F232 [文献标识码] A [文章编号] 1673 - 0194(2015)17- 0036- 02

1 大数据的含义及其特征

随着信息时代的到来,“大数据”这个概念也被广为传播。美国奥巴马政府也高调制定了其大数据研究和开发计划,大数据已经开始进入到人们的生活中。对于大数据这一概念,目前暂无确切的定义,通常是通过数据产生的过程和数据形成的两个过程进行描述,本文从大数据产生和大数据的特征两个维度进行定义。大数据具有规模大、类型多、处理速度快、价值密度低4个基本特征。

(1)大数据的基本特征是数据规模大,大不仅体现在数量上,还体现在范围上。随着数理统计技术的发展以及数据处理能力的提高,用传统的少量的样本特征来推断整体的习惯已经被摒弃,人们通过搜集和整理更大量、更大范围的数据,进行更精准的决策。

(2)大数据所包含的数据类型繁多、复杂多变。大数据时代数据来源范围更广阔,比如电子商务、手机信息、行车信息、购物会员信息等多渠道,同时数据的格式也不尽相同。因此,数据的多样性具有来源多样性以及格式多样性等特点。

(3)大数据的另一个显著特征就是处理速度快。面对巨大数量的数据,同时数据形式多样化,只有加快数据处理的速度才能让数据的时效性和有效性得到充分发挥。在巨量数据的情况下,数据还具有流动性,随着时间的推移其价值也会降低甚至失去其自身的意义,因此,在大数据时代下,数据处理越来越强调其时效性,对其处理速度也提出了更高的要求。

(4)大数据下大量数据的聚集导致数据的价值密度低。大数据所包含的巨量数据信息中包含了所有数据和全部字段细节,对于要解决一些特定的问题和决策来说,有大量不相关信息包含其中,造成了相对有效数据的密度低。面对这个特征,为了提升决策的效率以及效益,需要提炼有效数据。大数据为了保证信息的完整性以及能够满足所有应用,这就要求数据数量的激增,而有效信息的比例相对减少,也就是我们所说的价值密度低的特征。

2 大数据时代管理会计面临的挑战

2.1 会计工作者对大数据的应用认识不足

大数据时代的到来对很多行业来说既是机遇也是挑战,会计从业者对大数据的正确认识是迎接机遇和挑战的必要条件。目前很多企业并没用充分认识到这一点,对大数据的认识不足,主要表现为:首先,认为大数据技术比较遥远,而且仅仅是存在于如谷歌、微软等高精尖技术公司,不愿意为大数据技术投入人力、物力、财力,甚至有意避开大数据这一领域的有效应用;其次,对于大数据的认知度不足,调查显示,在中小企业中,对大数据有过关注和了解的人不足50%,另一半则仅仅听过这个名词而已,并没有真正关注和了解。再这样的情况下,大数据在会计工作者中的应用与推广必将受到影响。

2.2 会计的信息存储空间不足

我们强调了大数据时代其特征中数据量的巨大,并且要求所存储数据的全面性以及持续性,这些都需要巨大的存储空间,而目前对于处理这些TB级别的数据有很大困难。

2.3 会计信息的安全无保障

大数据时代基础数据搜集中,包含着大量的私密信息,这些信息的安全关系到员工及客户的自身安全;同时大数据也涉及到企业核心信息。这些数据一旦泄露,都将对客户或者企业造成威胁,给企业带来不可弥补的损失。因此,面对大数据的应用,对于信息安全的要求是一个不可回避的重要课题。

2.4 针对大数据的会计分析技术不足

大数据的特点之一就是数据价值密度低,也就是说面对众多数据,对其有效的分析和充分的利用是实现大数据有效应用的途径之一。目前,对于大数据的有效应用少之又少,一方面是因为数据量过大,另一面则是因为传统的分析方法不能很好地适用于非结构化数据的分析。

2.5 大数据时代下会计人才缺失

目前,全世界都面临着大数据专业人才的缺口,面对大数据的特点,必须有专业数据分析技能的会计工作者才能胜任,才能将众多数据转化为有效的深度挖掘和分析决策报告。专业知识的短缺必将阻碍会计工作者在大数据时代下的发展,因此,对于数据处理及数据挖掘等相关方面的培训是会计工作者提升自身技能的必备条件。

3 如何应对大数据给会计工作带来的挑战

大数据时代的到来是一个渐进的过程,在这个过程中,对会计工作的能力要求也是一个渐变和逐步提升的过程,会计人员必须积极应对这些变革,迎接大数据带来的挑战。

3.1 提升自身对数据挖掘的应用能力

大数据的有效应用就是考验会计工作从海量信息中找到有价值信息的过程,只有找到了有价值的信息才能为生产经营提供正确的发展方向。这些都需要依赖于数据仓库以及数据挖掘技术。

3.2 提升会计信息化的安全性

前面提到了目前会计信息安全性的问题,如何防止他人恶意非法访问以及窃取相关数据是目前急需解决的问题。目前比较有效的防护办法为:企业启用用户身份安全认证以及访问控制机制,同时增加会计信息安全评估机制,在企业内部建立和健全一个会计信息管理系统。

3.3 加大对大数据知识的会计人才的培养

随着大数据的逐步应用,为应对大数据知识及技能人才缺失的现状,企业一方面可以加大招聘力度,另一方面可以通过对现有会计人员进行培训或者交流学习等方式,提升会计工作人员的大数据挖掘分析的能力。

4 结 语

随着大数据时代的到来,对会计工作的需求也上升到了一个新的高度,在技术上说,要求会计人员了解大数据的特点,并且能从中挖掘和整理出有效的信息,能为公司解读有效数据并提供决策依据;从职业操守上来看,需要会计工作者严保数据库中的敏感信息,不可泄露客户及公司的信息。因此,需要不断提升会计工作的技能和职业操守来应对大数据时代的到来,更好地利用大数据来更加出色地完成会计工作。

主要参考文献

[1]袁振兴,张青娜,张晓琳,等.大数据对会计的挑战及其应对[J].会计之友,2014(32).

[2]许金玲,赵爽.大数据时代管理会计工作变革研究[J].现代经济信息,2014(23).

[3]孙雨萌,田雨晴.大数据时代下我国会计行业[J].商,2014(6).

大数据时代数据的特点范文第4篇

(一)高校科研经费应收账款及其审计。所谓“应收账款”是指企业或组织部门在其日常生产经营、销售或劳务供给过程中,应向购货单位或接受劳务单位收取的各类债权性资产的统称。应收账款管理是高校科研经费财务管理的重要一环,常见的高校科研经费应收账款一般包括以下几类:

1.预借差旅费,高校科研机构职工或学生出于科研项目实验考察目的、需因公出差的,可根据需要前往财务部预借款项,待其回来后以差旅费报销或相关发票结账。

2.设备、材料预购款,高校科研人员出于科研项目或实验目的,需要预先购置实验仪器设备及相关材料的,财务部会事前从其科研经费中予以划拨,待设备、材料购回后,以相关发票结账报销。

3.外借备用金,高校科研项目研究人员出于个人原因或科研项目资金周转需求,所向学校财务处预先提取的科研经费备用金。

(二)大数据环境下高校应收账款审计特点及方法。大数据时代来临为高校科研经费应收账款审计改革带来了机遇,也带来了挑战,尤其对于政府审计的核心“基础数据收集与分析”来说,能否实现对高校大规模科研经费财务收支数据的收集与数据集中化提取、发掘已成为评判其审计效率与决策制定准确性的基础标准与依据。就目前来看,在大数据环境下,高校科研经费应收账款审计在审计内容与数据分析方面都有了很大的进步,一方面大数据“数据整体即样本”的全数据处理特性能有效提高其审计结果准确性与全面性,另一方面大数据收集还能最大程度保留其数据原始特征,更为真实反映高校应收账款数据特性。

二、大数据环境下高校应收账款审计存在的问题

就目前来看,由于高校科研经费收支复杂性与特殊性,再加上外在大数据审计要求的影响,我国政府机构在对其实际应收账款审计中存在着诸多问题,其集中表现于以下几个方面:

(一)审计数据收集困难:高校科研经费应收账款因其特殊性,长期以来,在其在实际财务报销、经费调用方面往往存在很多漏洞,如相关仪器设备购置、实验劳务经费发放、对外联合企业进行技术攻关等,由于缺乏常规手续,很难获得正式的审计数据。

(二)高校科研经费应收账款舞弊现象严重,审计监督效果不佳:在高校科研经费资金投入与技术研发过程中,部分高校职工采用“虚减成本”、“伪造金融票据”、“伪设差旅证明”、“调控科研费用”、“伪造科研成果”等多种手段利用科研经费应收账款予以资金挪用与非法套现,但由于缺乏有效的审计监督制度,这种应收账款舞弊现象日趋严重。

(三)传统审计方法落后,缺乏必要的大数据处理能力:大数据应收账款审计对于相关审计人员个人素质与能力提出了很高的要求,尤其针对高校科研经费财务复杂性、技术性等特点,传统“函证法”、“账龄分析法”等应收账款审计方式已很难满足高校大数据审计要求特点,难以起到科研经费应收账款规范化管理与坏账损失控制作用。

三、大数据环境下高校应收账款审计应对措施

为提高高校科研经费审计质量,提高高校应收账款监察力度,避免不必要的经费损失,我们应从以下几个方面?Υ笫?据时代下的高校应收账款审计工作予以改革完善:

(一)首先,我们应对高校应收账款资料收集质量与效率予以提升,例如建立科研经费数据库,从项目初始立项开始,对每个科研项目具体执行过程中的合同管理与日常财务收支情况实行“全过程”跟踪审计调研,尤其对于高校科研经费坏账情况予以真实记录与处理。

(二)其次,针对高校应收账款舞弊现象,政府相关审计部门应强化对其科研经费的监管力度,在结合高校内部审计的基础上,参考企业审计的方式方法,为高校科研项目成员或组织设立专门的信用档案,并根据其科研水平、项目质量、信用等级的不同设定相应的科研经费信用额度,以此降低风险。

大数据时代数据的特点范文第5篇

[关键词]大数据;高校图书馆;数字资源建设;信息共享

doi:10.3969/j.issn.1673 - 0194.2016.04.128

[中图分类号]G258.6;G250.73 [文献标识码]A [文章编号]1673-0194(2016)04-0-02

0 引 言

随着经济全球化的发展,我国科学技术水平有了快速的提高,计算机互联网技术在社会生活中的应用日益普遍,深刻影响着人类社会发展进程。人类社会已开始进入大数据时代,大数据的发展有助于促进图书馆的数字化进程,既为图书馆数字化进程带来了机遇,也让图书馆面临挑战。作为信息文献的储备场所,高校图书馆在互联网背景下对数字资源有强烈的需求。利用互联网资源对相关数字资源进行传送,其形式丰富,生动形象,例如:视频、声音或图片,能刺激读者的阅读兴趣,深受广大读者和学生的喜爱。高校图书馆数字资源建设中,要深度挖掘数字资源的价值。这样,高校图书馆能丰富和扩大获取信息的途径,还能在不同层面、不同角度满足用户对信息资源的需求,对于建立高效图书馆服务系统有极大促进作用。因此,高校图书馆数字资源建设,要充分挖掘和利用数据的信息价值,促进高校图书馆数字资源建设的全面发展。

1 大数据的涵义和特点

1.1 大数据的涵义

大数据是互联网时代的一种信息资产,在对其进行处理之后,能对人类社会生活形成非常重要的观察力、决定力。挖掘数据的信息价值已成为当今社会的研究热点,国家也给予了高度重视,社会各界都对其广泛关注和讨论。大数据在信息数据容量方面非常大,信息资源也很丰富,并且在不断的变化增长中。大数据的核心价值并不是储存丰富的信息资源,而是要对有核心价值的、能够创造社会生产力的数据进行专业处理,数据处理后所产生的社会效应也要能够保证。当前,大数据的处理和应用通常与云技术相结合,组成一定的分布结构,然后被上传网络数据库进行存储。

1.2 大数据的特点

1.2.1 大数据信息数据非常丰富

互联网信息技术的发展,决定了信息增长的速度也在不断提高。计算机信息技术的发展在很大程度上方便了用户,也有利于信息共享效率的提高。在当前网络环境下,用户对数据信息的需求在不断加大,这在多方面刺激了大数据的增长和发展。视频影像、图片图像及文件等以不同形式的数据出现在人们的工作生活中,数据在真实有效表达人们社会需求方面作用日益明显,形式也更为丰富,数字资源数量也处于不断增长变化中。

1.2.2 数据结构繁多,变化较快

互联网时代的数据形式非常烦琐,且随着计算机信息技术及科技水平的发展不断变化。网络交流平台处于快速发展中,且形式丰富多样,这也导致人们对数据的需求日益增多,数据的形式也更为繁琐和复杂。例如:一些数据的形式就是非结构化或半结构化的。对数据处理的表现主要是利用结构表,将其储存在相关数据库中。如果科技水平和社会的发展促进数据产生改变,就要把原始数据信息上传到相关的交流平台上。

2 大数据时代图书馆数字资源建设分析

2.1 创新建设观念,确立正确的数字资源建设理念

虽然数字图书馆具备健全的结构化数据管理方式,但其在数据管理方面的方式并不合理,有待提高。在数字资源管理方面,图书馆应该在读者尤其是大学生读者需求的基础上进行数字资源建设,要注重数字资源有效性和及时性,掌握处理各种元数据处理技术,并且对相关数据和文献资源进行储存和保护,确保用户能够对相关资源进行搜索。建立数据资源丰富的及新型分布类型的资源库,对数据进行处理。同时,高校图书馆要积极转变管理观念,资源设计要做到有组织、有规范地进行,真正实现图书馆资源的数字化。同时,图书馆工作人员可以将一些闲置的信息进行加工处理,还可将一些期刊、书籍以及学术论文进行科学整理,建立信息资源检索功能,从而满足读者的不同需求。另外,高校图书馆工作人员还要注重创新数据搜索方法,在科学分析及高级处理等方面进行技术创新,采取全程跟踪的方式对全部数据建设进行监督,保证图书馆数组资源的共享及多元化发展。

2.2 特色数据资源库的建设

高校图书馆建设特色资源库,要依据标准型、时效性、完备性及计划性的原则,注重信息共享的实现。建设数字资源的重点是要注重资源库的组织构成。因此,在对特色资源库设计建设过程中,要注重导航、字段检验以及资源连接等方面的问题,要根据自身发展需求设置相关数据库网站和代码,才能从源头为客户提供一站式服务。同时,在元数据设计相关方面,要对不同类型的数据资源进行详细描述,保证满足用户的需求,例:关于视频文件、互联网数据资源、电子图书及相关资源位置标注等方面,对文献、参考文献资源及元数据相关资料进行标引,并将相同数据库的资料科学整合,避免错误,提高检索效率。

2.3 创建可视化数据分析,进行智能化管理

高校图书馆数字资源建设,要对电子阅览室中的数字进行系统地估计和整理。在对大数据技术采用的基础上,在检索书架上设置RFID装置。这样,当读者对相关资料和信息进行搜索时,就可以通过技术处理等方式对数据进行挖掘,根据用户需求,为读者提供有效的形式和内容。按照用户对书目的阅读率,及时调整相关文献的数据信息,对数据进行可视化分析。例如:图书馆工作人员可以利用处理研究模型、估测模型及其故障维护模型等技术对数据进行第一时间的处理,将用户需求量大的资源进行整合,把重复的数据去除,并根据读者需求不断对数据资源的深度和范围进行拓展,合理利用数字资源,避免浪费。另外,在对数字资源购买时,要对自身数据库的内容进行综合考察,对所购资源要做到挑选细致,购买所需求的资源。

2.4 扩大专业人才队伍建设,设计个性化的数字资源

人才是大数据时代高校图书馆进行数字资源建设的重要方面,要不断扩大自身人才队伍建设,并积极加强工作人员的培训,提高其技术业务能力。高校图书馆在专业人才吸纳及培训方面,要注意吸收集科技、信息、专业化与现代化为一体的专业人才。同时,组织员工学数据相关知识,对员工要加强培训,还可以邀请专家举办大数据知识讲座,让工作人员积极学习经验和相关技术。另外,要注重数字资源的创新,采用新技术设计个性化的数字资源,建立独具高校特色的数字图书馆。例如:可以根据读者的需求,在对先进数据技术充分利用的基础上,积极鼓励工作人员勇于创新和独立思考,为工作人员提高业务能力营造良好的氛围,提高其参与学习的积极性,并能踊跃提出自己建议。同时,还可以建立用户评价系统,及时掌握用户的动态需求,对数据库进行及时更新和改进,才能在大数据时代建立个性化数字图书馆。

3 结 语

当前,大学生读者的需求是多样化的,并且要求数字资源的检索要能够快速、准确。大数据为人们提供了全新的数据应用方式,推动现有产业升级与新产业诞生,还引发了一场关于科学研究思维与方法的革命。大数据时代的到来,数据资源丰富多样,并且更新发展速度极快,能满足大学生读者的需求。高校图书馆要充分挖掘数据资源的核心价值,将其应用到高校图书馆信息资源建设中。但是,工作人员也要认识到:大数据时代的高校图书馆数字资源建设,既面临机遇,但也有诸多挑战。因此,工作人员在建设特色数字资源库时,要做到积极革新理念,创新技术,加强基础设施建设,利用新型模式变革数字资源建设,才能真正实现高校图书馆个性化数据库的建立,从而更好地为大学生读者服务。

主要参考文献

[1]刘磊,高海燕,邵伟波,等.社会网络环境下用户参与图书馆数字资源组织与整合的需求调查――以部分高校为例[J].图书馆理论与实践,2014(4).

[2]胡钦文.大数据时代图书馆荐购数字资源模式的转向[J].黑龙江科技信息,2014(34).

[3]刘磊,郭诗云,林小娟.基于社会网络理论的用户参与的图书馆数字资源建设研究述评[J].高校图书馆工作,2014(1).

[4]张勇,朝乐门,邢春晓,等.新一代数字图书馆应用支撑平台的研究与开发[J].现代图书情报技术,2011(6).