大數據技術論文

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數據技術論文范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

大數據技術論文范文第1篇

（一）云會計使庫存管理的成本更低

廉庫存管理的目標之一是在保證生產或銷售經營需要的前提下最大限度地降低庫存成本，即對庫存合理布局，減少調撥次數。存貨不足不能及時滿足生產和銷售的需要會給企業帶來損失，而存貨過多將導致儲存成本增加，進而影響企業利益。如何對庫存管理的成本進行控制對企業的生產經營至關重要。以物聯網技術為前端、大數據分析中心為后端的云會計平臺，能夠在時空分離的環境下預測或獲取企業不同區域的倉儲信息和客戶訂貨信息，以減少企業的庫存管理成本?；谠茣嬈脚_，企業能夠搜集、分析貨物的實時信息，動態了解各倉庫的實時庫存情況。倉儲管理部門在獲得大數據分析中心提供的庫存數據與客戶偏好數據的基礎上，能夠做到對各倉庫庫存合理布局，減少調撥次數，節約庫存管理成本。

（二）云會計使存貨控制系統更精確

為提高企業整體運作效率，很多企業對存貨管理采用了ABC控制系統或即時制庫存控制系統（JIT）。在ABC控制系統中，如何準確區分ABC三類存貨并進行分類控制是企業需要解決的重要問題。JIT管理強調只在使用存貨之前才要求供應商送貨，從而將存貨數量減到最小，實現物資供應、生產、銷售連續同步運動。這種方式在提高生產效率、減少儲存成本的同時需要考慮到與供應商協同接洽的問題。大數據、云會計技術的應用，能夠提高企業ABC控制系統或即時制控制系統的運行效果。在企業的云會計平臺上，通過對自身以往所有各種類型存貨數據的大數據分析，以及參考同行業、相關行業的歷史數據，可以對ABC三類存貨進行更為科學合理的區分，使ABC控制系統更加精確。面對JIT即時制更加嚴格的要求，企業需要考慮到存貨的計劃需求、與供應商關系、準備成本、電子數據等方面，一旦存貨預警就會產生生產線、銷售線告急的情況，將為企業帶來巨大損失。物聯網與大數據技術的發展為解決JIT控制面臨的問題提供了解決方案。由供應商提供的存貨都帶有唯一的產品電子代碼（EPC），企業和供應商可以通過物聯網同時獲得存貨的使用情況，在數據顯示該批存貨需要補充時，物聯網得到傳感信息的反饋及時提醒企業補給，通知供應商做好供貨準備，并給出下一訂貨批量的預計時間及數量要求。這樣就加強了企業與供應商的信息溝通與交流，使JIT控制系統得到更好的實施。

（三）云會計使庫存管理更智能

由于各個地區消費者的需求偏好往往存在差異，使得企業在全國布局的倉庫庫存往往在商品的類型、數量等方面不盡相同?；谠茣嬈脚_，通過前端的物聯網，企業可以獲取各個區域倉庫的存貨情況。針對庫存調撥，通過后端的數據中心進行大數據分析，可以選擇在最優的倉庫之間進行商品的調配，并根據對調撥結果的分析就以后的商品庫存分配進行優化。消費者在網上購買商品時，云會計平臺會自動選擇就近且有貨的庫存點進行智能化發貨。在存貨的運輸與存儲過程中會涉及到安全問題，尤其是對于高價值的存貨，其一旦損失將會對企業造成嚴重影響。云會計平臺下物聯網技術的運用，可以做到存貨信息流和物流的統一、對存貨流向形成監控，具有極強的監測功能。存貨信息能夠實時反映在云會計平臺上，即便出現貨物丟失情況，企業也能夠即時采取措施應對，確保企業存貨的安全性。

二、大數據時代基于云會計的庫存管理

框架模型構建庫存管理及時準確地反映各種物資的倉儲、流向情況，可以為企業的生產管理和成本控制提供依據。通過對貨物的各種信息進行即時的采集、分析、處理，可以使企業實時動態的庫存管理成為現實。在云會計平臺上，前端的物聯網技術能夠實時采集數據，后端的大數據分析中心對數據進行分析與處理，為企業的庫存管理決策提供支持。在分析大數據時代云會計對企業庫存管理在成本、控制、管理水平等方面影響的基礎上，結合大數據、云會計和物聯網的技術特征，考慮企業當前主要的庫存管理需求，本文建立了由云會計平臺、大數據分析中心、庫存管理等核心模塊組成的大數據時代基于云會計的企業庫存管理框架模型。企業庫存管理決策所需的庫房信息，如倉庫信息、貨位信息、物料信息、出入庫信息等，可以通過物聯網技術借助云會計平臺進行實時搜集；決策所需的其他大數據源，可以通過互聯網、移動互聯網、社會化網絡等多種媒介，借助云會計平臺從企業內部、交易所、事務所、外部市場、銀行等獲取。同時，經由大數據處理技術和方法（Hadoop、Storm、PentahoBI等）規范所獲取數據，并通過ODS、DW/DM、OLAP等數據挖掘與數據分析技術提取企業進行庫存管理決策所需的財務與非財務數據。大數據分析中心對企業庫存管理的入庫信息、調撥信息、出庫信息進行分析，以此來支撐庫存管理模塊，為采購入庫、庫房調撥、銷售出庫階段實時、準確的決策提供了依據。

（一）采購入庫在采購入庫階段

由大數據分析中心結合企業生產情況、外部環境等因素對采購計劃、采購數量、采購時間、物流過程等相關采購流程的影響，就公司所接訂單、產品或服務的生產周期以及交貨的時間等進行分析，并針對企業歷史數據的分析以及對供應商信用程度、產品質量、產品價格等的綜合分析，制定出《合格供應商名冊》向企業推薦最優供應商。采購部門則根據分析結果按照企業需求制定出科學的采購計劃與選擇適合并滿意的供應商。完成供應商選擇之后要進行簽訂采購合同、發出訂購單，供應商確認訂購單、根據訂單交貨等步驟，這一過程需注意明確合同內容，明晰產品信息與雙方責任。在最后一個部分即進料檢驗及入庫階段，由射頻識別技術（RFID）識別出產品的品牌、規格、型號以及供應商的檢驗合格標識（在物聯網技術下，產品都帶有唯一電子標簽）之后方可入庫，若有檢驗不合格者，根據標簽自帶的生產信息退回至供應商處，并根據采購合同的條款或退換貨物或進行賠付，退換后的貨物同樣要進行這一系列的檢驗過程，直到合格后入庫。

（二）庫房調撥在庫房調撥階段

模型采用完全共享策略，即某倉庫庫存水平一旦無法滿足當前訂單，而采用調撥方式可滿足時，可從其他點調撥，要求調撥點的當前庫存能滿足需求點的訂單需求量。由于云會計前端的物聯網可以得到企業各倉庫的庫存信息，這樣在任何倉庫發生存貨預警時，都可以向后端的大數據分析中心實時反饋請求調撥信息。對請求調撥信息進行分析之后，按照最小費用策略確定存貨的調撥點與調撥量，并向該倉庫調撥信息，以此在各倉庫間完成存貨的相互補給。在各倉庫不能滿足庫存需要或者調撥成本過高時，庫存信息將直接向總部反饋，由總部完成存貨的分配。最后將調撥結果經由大數據分析中心向倉儲管理部門進行匯報?；谠茣嫷膸齑嬲{撥模塊將企業的分布式庫存連成了一個有機整體，不再是單獨的倉庫管理，可滿足大中型企業庫存實時性的問題，便于整體優化及一體化管理。大數據分析中心為各倉庫的信息共享提供了技術支撐，物聯網技術的運用為掌握各倉庫的實時信息提供了有力保障，可為企業節省時間與成本。

（三）銷售出庫針對企業的銷售出庫

銷售部門根據經由大數據分析中心分析之后的客戶訂單向指定的倉庫下達發貨指令，當指定倉庫接收到發貨指令之后帶有RFID的貨物將發往指定地點，同時，貨物的地理位置信息與其他信息等由帶RFID技術的物聯網通過大數據分析中心向倉儲管理部門實時反饋，以確保貨物的安全以及了解物流信息。在貨物到達指定地點后，將會再次向大數據分析中心反饋信息，并向倉儲管理部門與銷售部門發送貨物安全送達的信息，從而完成整個出庫過程。

三、結語

大數據技術論文范文第2篇

（1）標準成本體系及成本差異分析。電力供應瞬間完成，在成本核算上需要將某一段時間內所消耗的資源量綜合起來，與該段時間內產品總量形成關系函數。大數據管理實現了精準、快速收集數據樣本，完成標準成本體系建設的信息采集工作，實現按作業拆分成本費用。在ERP、PMS和CMS等數據平臺幫助下，管理者對電網設備運行維護作業所耗費的標準人、材、機耗用量進行測算，完成輸電網設備運營成本定額標準的定制，設計基于內部結算價格機理的責任中心效益分析方法，評估應用運營成本定額估算項目后期運行成本。數據庫也為體系建成后的成本差異分析提供數字依據，規范成本支出行為，提高全員成本效益意識，精細化管理，標準化建設，實現公司成本管理的持續改進。

（2）不同用戶類型的服務成本比較。電力用戶按客戶類型可分為居民用戶與非居民用戶，不同類型用戶的服務成本千差萬別，大數據幫助企業厘清不同用戶種類的供電服務成本，為公司差異化定價，業績對標提供參考依據，同時建立起營銷部門的成本管理責任制。隨著企業處理大量業務訂單的信息技術成本不斷降低，企業可以估計市場營銷、銷售和分析活動的成本驅動因素是什么。大數據匯總出不同類型用戶營銷服務的次數、時間與耗費，使用服務人員的種類，不同用戶傾向的服務種類，將銷售和服務成本追溯到產品上，鎖定特定顧客的營銷服務成本。研究特定顧客的服務成本是否超過了銷售收益，為將來企業在市場上完成產品及服務定價，提供定制服務做好數據準備。

二、中央數據調度，強化過程管理

（1）信息中心運營監測，率先發現經營問題。管理會計要求對每一個生產過程開展管理，大數據中心將責任中心內部發生的、由管理者直接控制的生產動作和資源消耗過程信息，迅速反饋到責任中心管理者那里，便于責任中心管理者及時作出工作調整。公司運營監測（控）中心建成業務信息資源共享平臺，依據數據治理的要求，對公司經營管理業務“全方位、全流程、全天候”監控，實現各項指標數據“在線監測、在線分析、在線計算”，真實反映公司運營管理現狀，實現快速有效地發現問題，預警并協調，使信息能夠對責任中心管理者產生最大的效用。運營監測（控）中心依據生產、營銷、職能各部門特定工作周期，制定指標數據核查節點及數據整改治理方案，定期（每月、每周、每天、甚至每小時）對外運監報告，責任中心負責人根據監測報告，對報告中提及的工作壞點、差錯進行修正，重點關注有偏差趨勢的數據，遏制不良勢頭的發展。

（2）設備運行全程監控，確保電網穩定可靠。狀態檢修輔助決策系統是以預測評估為主要手段的新型電網資產運維管理模式。模式有機結合了狀態檢修與計算機在線技術，基于設備運行數據分析，顯著提升狀態評價的科學性和評價結果的有效性。系統通過傳感器數據對設備開展狀態評價和風險評估，識別重要設備維修需求，在設備隱患變嚴重或導致更高維修成本前發現問題，自動生成預防性維修任務，減少整體維修成本和停機相關成本。同時幫助確定設備檢修、試驗周期及技改項目，提高檢修的針對性和有效性，避免檢修力量的無差別使用，實現設備動作管理、檢修管理和巡檢管理的自動化。提升人力資源使用效率，設備管理責任制得到更好落實，關鍵設施資產狀況改善，使用期限得以延長。

（3）嚴堵電量滴冒跑漏，全面線損精細管理。技術線損接近理想值、管理線損趨于零是管理者的目標。為了實現目標，把已建成的PMS、GIS和CMS系統實行數據互聯，逐步完善輸電到配電的一體化線損精細管理。技術線損方面，成立專業小組對線損率不合理母線進行分析，通過分時段、分母線段分析手段來定位線損率不合理的母線分段，配合發現潛在的表計故障及參數設置錯誤，根據分析結果指導各專業制定和落實整改舉措，并結合日常運維做好廠站端監測裝置巡檢、消缺工作，提高線損數據比對成功率。管理線損方面，充分利用用電信息采集系統對已安裝關口表的臺區開展線損分析比對，通過內場分析，排除系統錯誤、統計差錯等內部原因后，將須現場檢查的臺區發送至管理班組，由專業班組對電量異常和線損不合理臺區開展現場檢查，落實后續處理，快速止住電網“出血點”。

三、助力戰略布局，深化績效管理

（1）非財務指標數據匯總及分析。短期財務指標無法準確地反映企業長期績效，因此評估和報告大量非財務指標比評估月度或季度利潤顯得更為重要。這些指標以公司戰略為基礎，在評估包括生產、市場營銷和研發等方面，是影響企業成功的關鍵因素。從更重要的意義上講，對運營為基礎的非財務指標評估，是管理會計系統回到原有狀態，發揮最廣泛作用的具體表現。設立全面的評估體系，涵蓋影響企業可持續發展的所有因素，包括考量成本管理水平的成本費用收入比重、每萬元電網資產運行維護成本；考量資產效率的總資產周轉率、單位資產售電量、單位電網投資增售電量；考量資產質量退役設備的平均壽命；考量安全水平的人身輕傷、電網和設備事件數、信息通信安全運行事件數；考量服務質量業擴報裝服務時限達標率、優質服務評價指數；考量安全可靠輸變電系統故障停運平均恢復時間、繼電保護正確動作率；考量創新能力科技進步獲獎指數、管理創新指數。非財務指標評估體系全面評估企業的可持續發展能力，各指標也實現了同業對標的可能，挖掘企業發展潛力，為企業在行業內的不斷成長指明方向。

（2）升級績效管理提升員工價值。人是企業發展的第一要素，員工價值的提升是企業價值提升的必要條件。通常企業難以評估員工價值的提高，然而一些非利潤性指標如：招聘成功率、員工離職率、曠工情況、連續安全生產天數、技能升級和崗位晉升等指標，可以用于評估企業人力資源的發展趨勢，體現公司以提升績效為導向的企業文化，變員工被動成長為主動成長。設立員工績效積分制評估模式，對員工進行量化考評、全方位打分，績效積分與工資薪點掛鉤。評估將定量考核和定性評價相結合，內容包括關鍵業績指標、重點工作任務指標、工作質量指標、人才當量指標、考勤記錄指標及獲獎情況等。全方位反映員工行為規范、生產安全、技能水平、工作績效的綜合水平。標準是以員工一定時期內完成的工作任務數量和質量的量化累計作為評價員工績效的依據，包括以員工完成的本職工作、上級布置的臨時任務和其他事項為內容的“數量積分”和以完成工作任務的及時性、準確性、規范性為內容的“質量積分”。各項指標的信息采集由員工績效指標庫和ERP系統提供，員工可依據評估模式，不斷實現自我成長，獲得更高的積分，企業也可清晰掌控現有人力資源情況。

四、利用數據資源，開拓創新領域

（1）實時電價體系的設計與運用。實時電價就是電能實現實時定價，管理者能夠將不同時間段的不同負荷量與電價掛鉤，增加用戶在電力市場的參與度，從而提升負荷因數，減少電力資產的投資，給消費者提供更多的選擇。智能電網的布局在技術上為實時電價做好了準備，公司可以透過大數據關聯，權衡負荷需求和電量供給，將發電到用電的價格迅速計算，然后使用通信技術，將實時價格給用戶，用戶依據電價完成用電負荷的選擇。

（2）電動汽車充電站的布局與選址。推動新能源車商業化和民用化，除了新能源車本身性能不斷提升外，還需要快捷高效的電能補給網絡——充電站網絡。充電站的合理配置、有序建設關系到車輛續航能力和使用成本，充電設施建設成本和利用效率。因此，要追求社會成本最小化，必須合理布局充電站網絡?，F階段充電站建設按實際需求建設，隨著新能源汽車公共數據采集監測日益成熟，結合車輛定位數據、交通流量和路網情況，綜合考量電動車的總體需求、車輛里程消耗、充電系統功率等因素建立運算模型，甄選最優充電站建設區域，設定最佳私人與公共建設區域比例，形成不同層次的快充網絡，并對總量規劃進行布局，建成覆蓋全市主要功能區域的電動汽車快充及服務網絡。

大數據技術論文范文第3篇

管理會計信息系統與會計核算系統有著很大不同。會計核算系統按照實際操作中對企業會計核算流程的要求安排設計，操作固定、內容全面。只需要按照經濟業務內容和會計相關法律要求操作即可。而管理會計信息系統更為復雜。他沒有一成不變的決策處理程序，相反在決策過程中需要運用大量的技術分析方法，對比多項數據信息才能得到所需的結果。系統龐大、操作復雜，一但結果失誤有可能對企業的發展帶來毀滅性打擊。因而該系統的建立對數據處理能力有著極高的要求。大數據時代的到來，它所提供的數據量、數據結構和數據處理方式正好貼合了管理會計信息系統的需要。它將企業決策中需要的財務因素與非財務因素結合起來，為企業管理提供可靠的數據支撐。

二、管理會計信息系統在企業中的作用

管理會計信息系統是會計信息系統的一個組成部分。長久以來企業在會計信息化的道路上一味的重視會計核算的信息化，忽視了管理會計的信息化，使得管理會計的各項職能沒有在企業發揮出來。隨著企業規模發展壯大，經濟環境紛繁復雜，管理會計越來越受到高層管理人員的重視。在企業中使用管理會計相關分析方法，建立管理會計的信息化系統可以為企業價值提升起到事半功倍的效果。1.為企業發展提供全面數據信息當前經濟形勢風云變幻，紛繁復雜，稍有不慎就可能對企業發展帶來巨大打擊。及時、準確的信息對企業決策至關重要，而建立管理會計信息系統可以對企業提供有效幫助。管理會計信息系統是以海量數據為基礎，運用分析技術優勢，結合管理需要，經營業務和會計要求，靈活運用管理會計的工具方法，為企業經營的各個方面提供服務。通過該系統的建立，搜集經營過程中的結構性數據和非結構性數據，利用專業分析技術，深度挖掘數據內含的信息，向決策者提供使用。2.對生產各環節進行精細化管理該系統的建立，可以通過存貨系統、成本計算系統、質量管理系統、價值鏈分析系統連接企業供應、生產、銷售的各環節。其核心流程涉及成本收入要素處理、成本中心分析與處理、作業類型計劃與處理、內部訂單處理、銷售與利潤計劃、成本核算與結算、成本與作業分配、一般管理費用核算、獲利性分析、全面預算與績效考核等方面。主要的業務對象包括成本要素、作業類型、收入要素、內部定單、控制文檔、成本對象、成本核算估計、獲利性分析維度、業務計劃與預算表以及績效考核等。通過對各環節的嚴格把控，降低庫存、減少成本，提高利潤。3.促進企業完成戰略實施目標管理會計信息系統中績效評價的部分針對企業員工的完成水平進行評價，是該系統的重要組成部分。平衡積分卡績效評價體系是最近幾年流行在國內外的企業績效評價體系。它分四個方面進行：企業財務業績、客戶關系、內部業務流程以及學習和成長，對企業進行評價。在系統中將企業的戰略實施目標按照這四個部分細化成不同的財務或者非財務指標，對照不同的部門逐級細化，進行考核。該績效評價系統將企業戰略與員工考核掛鉤，既可以推動戰略目標的完成又可以激勵員工成長。

三、在企業中建立管理信息系統的途徑

大數據技術論文范文第4篇

關鍵詞：大數據；學術期刊；評價標準；創新

DOI：10.163 15/j.stm.2016.04.014

中圖分類號：F276.3 文獻標志碼：A

學術期刊辦刊水平的高低最終要通過期刊評價予以檢驗，從一定程度上講，期刊評價的標準決定了期刊未來發展的方向和目標，期刊評價標準的合理設立對學術期刊的健康成長至關重要。隨著移動互聯網、云計算、可信計算等一系列新型信息技術的迅猛發展，一個大規模數據生產、儲存、分享、應用的“大數據”時代逐漸開啟?！按髷祿睍r代的到來，對我國學術期刊的未來發展將產生巨大影響，期刊的運營模式、出版流程都將發生根本性變革，如一些學者所預測的，“大數據”時代的到來將造就全新意義上的學術期刊。相應地，“大數據”也將導致學術期刊評價的革命，一方面，大數據時代學術期刊功能定位的變化要求必須確立新的、符合時展要求的評價標準，另一方面，大數據科技的應用也將為期刊評價提供新的技術手段與方法，大大提升期刊評價標準的精確性與全面性。在這一背景下，深刻把握大數據時代學術期刊發展規律，科學探析大數據時代期刊評價標準可能的創新與發展方向，對于我們有效應對大數據挑戰，推動學術期刊的未來發展具有重大意義。本文擬對這一問題進行初步探討，以期對未來期刊評價方面的研究有所啟示。

1我國當前主要學術期刊評價系統及其評價標準

1.1我國當前主要學術評價系統

我國當前的學術評價體系起源于20世紀70年代，經過幾十年的變革與發展，目前形成了既符合國際化評價標準要求又具有我國學術研究特色的學術期刊評價體系。根據學科和專業研究領域的不同，目前已形成了5大期刊評價權威系統并根據其系統要求定期出臺期刊評價報告，這5大系統包括：南京大學研制的《中國人文社會科學引文索引》、北京大學圖書館研制的《中文核心期刊要目總覽》、中國社科院文獻信息中心研制的《中國人文科學引文數據庫》、中國科學院文獻情報中心研制的《中國科學引文數據庫（CSCD）》以及中國科學技術研究所研制的《中國科技論文與引文數據庫》。

1.2五大評價系統的具體評價標準及其特征

這5大評價系統的期刊評價標準主要是根據布拉德福文獻集中定律和加菲爾德文獻集中定律予以制定，其具體評價指標則參考了美國EI、SCI等國際期刊數據庫的評價標準。所謂布拉德福集中定律，是1934年由英國學者S.L.布拉德福提出的，他在對一些特定的學科領域期刊的數量及其刊登的相關論文數量進行統計的時候，發現期刊的內容對于某一個別學科來說呈現出遠近親疏不等的情況，“如果將科學期刊按其登載某個學科論文數量的大小，以漸減順序排列，那么可以把期刊分為專門面向這個學科的核心區和包含著與核心區同等數量論文的幾個區。這時，核心區與相繼各區的期刊數量成1：a：a的關系。”核心區的期刊就是刊載學科論文數量最多、包含相關信息最豐富的那部分期刊。加菲爾德文獻集中定律，是20世界60年代，由美國學者加菲爾德提出的期刊分布定律，他通過對一些綜合性和專業性檢索工具檢索和收錄論文的比率進行分析，發現各學科的核心期刊主要集中在少數的期刊中，而主要的期刊則更少，大多數學科期刊的發展呈現出明顯的集聚效應。這兩大定律是目前國際上制定學術期刊評價標準的主要依據，我國五大期刊評價系統也主要以這2個定律為準則，并在此基礎上制定了大致類似的評價標準，五大評價系統的具體評價指標，如表1所示。

這五大評價系統的評價標準具有幾個共同的特征：首先，5個期刊評價系統都是采用引文分析法，即通過對期刊論文索引量、被引頻次和影響因子等指標的統計分析來對期刊質量作出評價，這3個指標也是期刊評價中的核心標準；其次，期刊評價數據的采集主要依托中國知網、萬方、維普等網絡數據庫的數據資源進行統計，不進人這些數據庫的文獻不計入統計；再次，期刊評價基本是圍繞期刊刊載文章的影響力指標進行評價，在專業領域越有影響的期刊，其評價結果就越好。

客觀來講，當前五大評價系統的評價標準是在借鑒國際已有成功經驗并結合了我國學術研究特色來設定和構建的，它通過對客觀數據的嚴格統計分析來對期刊予以評價，在一定程度上避免了人情因素、主觀偏見對期刊評價的負面影響，具有相當的客觀性與科學性。但同時，以影響因子和引文分析為核心的評價標準也存在諸多局限：首先，由于不同檢索數據庫所收錄和統計的文獻及期刊種類和數量有所不同，導致同一期刊依據不同數據庫數據計算出的影響因子常常產生巨大差異；其次，不同學科發展情況和設置缺陷導致期刊統計源結構不合理，一些學科的期刊統計源期刊很多，影響因子較高，而一些冷門學科的期刊統計源極少，影響因子很低；最后，當前的評價標準主要關注后的索引量、被引頻次，不僅評價指標片面，而且難以避免不當引文、無效引文對統計結果的影響。

2大數據對學術期刊評價標準的影響

大數據技術的應用給學術期刊的未來發展帶來巨大變革，這些變革集中體現在對學術期刊評價標準的深刻影響之中。

2.1期刊評價的可采集指標更為豐富

在大數據的背景下，期刊出版發行形態將發生巨大變化，以前以紙質印刷、定期刊發為標志的出版方式將向電子化、網絡化、不定期出版方向轉移。期刊論文的創作、審核、修改、編輯、發表以及發表后所產生的社會反饋和影響都將依托于數字化網絡平臺進行，而這整個過程中的所有數據也將通過大數據技術予以記錄，除了轉引率、被引頻次等數據，大數據和云存儲技術可以為期刊評價提供更豐富的數據資源和種類以備采集，并作為期刊評價新的指標。比如，大數據技術支持下的電子閱讀終端可以記錄讀者對某篇文章的閱讀時間、次數，甚至在某些段落的停留時間，這對于未來期刊的反饋評價將是一個重要指標；再比如，通過“云存儲”、“云計算”等技術可以對前的選題熱度、潛在價值做出客觀評測和計算，這可以做為期刊選題價值的評價指標；除此之外，大數據還可以收集并記錄期刊選題策劃方案、編輯規范性、構圖設計水平等方面的信息，為學術期刊的整體評價提供參照指標。

2.2期刊評價的數據統計更加全面精準

以往對評價數據的采集，主要依據知網、維普、萬方等數據庫統計源，但許多沒有被這些數據庫收錄的期刊卻不能進入統計范圍，而且由于檢索系統所收錄的期刊群組成差異較大，所計算的影響因子值也會產生較大差異，導致同一刊物在不同檢索系統中計算出明顯不同的影響因子數。而依托大數據技術的期刊評價數據采集，不僅可以覆蓋全網絡信息資源并統一計算方法，避免因數據庫收錄不足和算法差異導致的因子計算缺陷，而且對于被何種方式引用，引用量多少，有效還是無效引用，自引還是他引，都能準確記錄，實現對期刊評價相關數據更為全面和精準的統計。更關鍵的是，大數據能夠為期刊評價提供論文編輯出版發行過程中的全數據樣本，并對后的索引轉載情況實時動態更新，對讀者閱讀評價反饋全面搜集，從而實現評價數據統計的靜態與動態統一、主觀與客觀結合。

2.3期刊評價的讀者影響力更加突出

大數據背景下，期刊評價將更加突出讀者評價的地位和作用。以前的期刊評價統計實際上是注重論文引用者和轉載者的評價地位，兼顧同行、專家和評價機構的綜合評議。但是對公開發行的期刊論文來說，論文的引用和轉載者可能只是讀者中的一小部分，大多數讀者在閱讀后不一定會將之運用到學術創作之中，但同樣會對文章質量作出心理評價，這種評價實際比單純的引文評價更全面、更有說服力但也更難以計量。而隨著數字技術的發展，大數據時代的期刊出版將逐漸進化到電子出版階段，新的電子期刊平臺將不僅是一個閱讀平臺，更是期刊社為讀者、作者、專家提供的一個互動服務平臺，在這個平臺上，不僅讀者的瀏覽偏好和閱讀反饋會被儲存下來，而且通過獨特的互動窗口，他們還可以和作者、編輯、審稿專家進行直接討論，他們對文章內容的意見、對刊物選題策劃、欄目設計、編輯方式、服務水平甚至是辦刊宗旨的建議都將被完整記錄，并成為期刊評價重要的參考指標。與此同時，由于大數據技術將使評價機構進行期刊數據收集和質量評價的整個過程變得更為公開透明，無形中就降低了評價機構的控制力與影響力，相對地也就更加凸顯出讀者群體在期刊評價中的作用。

2.4期刊評價的創新性指標更加重要

大數據時代的期刊將進入電子出版為主，紙質出版為輔的階段。相對于紙質載體，電子載體具有無限承載能力和豐富多樣的表現形式，這必然突破原來期刊篇幅、版面、格式的限制，期刊刊載論文數量將大大增加。同時，由于期刊審稿流程的變革，期刊未來會將收到的論文經過簡單編輯處理直接通過電子平臺，而不再經過繁瑣的審稿流程（經過讀者和同行評議，獲得較高評價的論文再以紙質出版），這又必然導致期刊論文質量的良莠不齊。原來以索引量和發表數的比值為計算指標的影響因子評價的缺陷將更加突出。如何從海量出版信息中發現、挖掘出具有創新價值的內容，以最方便的方式提供給讀者閱讀評價，將是期刊首先要考慮的問題，也是未來期刊評價中非常重要的參考指標，這也將使期刊評價中的創新性、吸引力指標凸顯到更加重要的位置。

3大數據背景下學術期刊評價標準的具體指標及其計算公式

大數據徹底改變了學術期刊未來發展模式及其評價方式，同時也為未來期刊評價的發展創新提供了強大的技術支持和充足的數據資源。筆者認為，依托大數據技術，未來學術期刊評價的參照指標將發生巨大變化，與當前主要參照轉引率和影響因子來評價不同，未來期刊評價的指標將更加多元、更加精細，而且也將在很大程度上彌補當前評價指標的局限與不足。具體來說，未來大數據背景下，學術期刊的評價指標將可能包括以下幾個方面：

3.1關注度評價指標

依靠大數據的技術支持，未來期刊評價可以嘗試將期刊論文的關注度列入評價標準之中。電子化閱讀終端和云計算技術可以準確記錄讀者在閱讀期刊時的閱讀量、點擊量、閱讀時間、閱讀段落甚至是可能的閱讀字數，有效記錄并計算讀者閱讀的關注點與精細程度，閱讀之后在學術社交網絡和開放存取平臺中被討論的次數，并實現對期刊論文受關注度地量化統計，這將為期刊評價提供重要的參考指標?？陀^來講，期刊的受關注度并不能直接反映期刊刊載文章的水平和深度，尤其對一些相對冷門的學科和研究領域，文章的專業性比較強，讀者比較小眾，關注度也較低。因此，在將關注度作為期刊評價指標時，必須避免單純的量化統計，而應結合學科在不同時期的縱向對比，以及文章在穩定讀者群體中關注度的變化來具體衡量，筆者認為，可以嘗試在不同學科之間設置合理的浮動系數，以統計數據乘以浮動系數來計算期刊真實的關注度水平。

3.2創新觀點評價指標

在大數據時代，對期刊學術水平的評價將不只體現在對其刊載論文水平的評價上，而會更應進一步細化到觀點評價的層面。未來結合大數據技術的檢索工具可以實現對期刊發表內容的觀點檢索，對期刊中關注度高、創新性大、前沿性強、具有較大影響力的觀點進行數據統計和分析，以讀者和同行“點亮”和轉發的觀點數量為統計指標，代替單純對論文引用和下載地統計。觀點評價的特點在于靈活、簡潔，易于突出重點，可以更加凸顯作者思維成果的創新度。它改變了以往期刊評價難以量化計算期刊創新性的局限，細化了期刊評價的創新性標準。與論文評價相比，它不僅更加適應數字化出版時代“眼球經濟”發展潮流，同時也更加符合大數據時代期刊出版業態的變革趨勢。

大數據技術論文范文第5篇

關鍵詞 大數據；CiteSpace；教育

中圖分類號：G642 文獻標識碼：B

文章編號：1671-489X（2016）18-0069-03

Abstract The advent of the era of big data has brought new vitality

and challenges for educational research. This paper uses bibliometric visualization software Cite Space to analyze thesis with key words data and education from CNKI based on Co-occurrence analysis of keywords， explore the hot issues in the field of educational research， summarize the research status and trends.

Key words big data； CiteSpace； education

1 引言

近年來，教育領域研究者開始關注大數據背景下的教育管理模式轉變、教育決策研究等內容，大量基于大數據背景的教育領域研究論文逐年增加。以“大數據”“教育”為主題關鍵詞在CNKI中國知網進行搜索，僅選擇SCI、EI、中文核心、CSSCI四類來源期刊截止到2015年12月出版的文獻，共檢索到417條數據，從2010年開始呈現出逐年上升的趨勢。對這些文章進行瀏覽和篩選，選擇與本研究主題相關的論文，共247篇。對這247篇文章的關鍵詞信息進行研究，分析大數據的出現對教育領域研究熱點及發展趨勢的影響。

2 教育領域熱點問題研究知識圖譜

CiteSpace軟件是一款引文可視化分析軟件，著眼于分析科學知識中蘊含的潛在信息，通過可視化的手段呈現科學知識的結構、規律和分布情況[1]，能對文獻進行作者分析、關鍵詞共現分析、機構分析、作者共被引分析、文獻共被引分析等。關鍵詞共現分析是一種內容分析技術，通過分析在同一個文本主題中的款目對（單詞或名詞短語對）共同出現的形式，確認文本所代表的學科領域中相關主題的關系，進而探索分析學科領域的發展，發現學科的研究熱點和研究趨勢[2]。

使用CiteSpace軟件對下載的文獻進行關鍵詞共現分析，生成圖1所示關鍵詞共現知識圖譜，分析大數據的出現對教育領域研究熱點和趨勢的影響。關鍵詞出現的頻次由圓圈代表的節點反映，圓圈越大，表明關鍵詞出現次數越多，最大圓圈代表的關鍵詞是“大數據”。

根據圖1得到表1所示文獻關鍵詞、被引頻次、中心性等指標數據。中心性代表共現程度的高低，中心性越強，表明該關鍵詞與其他關鍵詞共同出現的幾率就越大，也就表示該關鍵詞在共現網絡中的影響力越大。從知識理論角度分析，頻次和中心性高的關鍵詞一般是某一段時期內研究者共同關注的問題，也就是研究的熱點和前沿。表1中，“大數據”是頻次最高也是中心性最高的關鍵詞；“學習分析”頻次為23，中心性為0.22；“數據挖掘”頻次為13，中心性為0.15，等等這些都是熱門的研究主題。

3 大數據背景下教育領域的熱點研究

依據圖1和表1所示結果，將大數據背景下教育領域的熱點研究總結為以下幾個方面。

學習分析和數據挖掘 教育數據挖掘是數據挖掘在教育領域的新型應用，主要目標為知識發現、決策支持和推薦等。學習分析是測量、搜集、分析和報告學生及其相關的學習環境的數據，用以理解和優化學習過程和學習環境[3]。

教育數據挖掘專注于技術層面，側重教育數據模型和模式的抽取，強調挖掘結果的自動化反饋；學習分析更注重研究有利于改善學習的干預措施。

2012年，美國教育部了報告《通過教育數據挖掘和學習分析促進教與學》[4]，提出“數據驅動學校，分析變革教育”的大數據時代已經來臨，要綜合運用教育數據挖掘和學習分析，構建教育模型，探索教育變量，為教育教學提供有效支持。

在CNKI中以“學習分析”和“教育數據挖掘”為關鍵詞進行檢索，得到圖2所示的文獻數量趨勢圖。如圖2所示，2010年以前的文獻數量很少，但2010年之后開始呈指數式增長；2016年1―2月份刊登的相關主題期刊論文已有5篇，可以預計本年度，學習分析和數據挖掘仍將是大數據背景下教育領域的研究重點和熱點之一。

在線教育――興起與變革 以“在線教育”和“大數據”為關鍵詞進行搜索，得到圖3所示文獻數量趨勢圖。目前在線學習的發展趨勢主要有如下表現。

1）移動學習是大方向：隨著無線網絡的覆蓋，移動終端特別是手機用戶的增多，移動學習逐漸發展起來。

2）免費是大趨勢：目前在線學習存在各式各樣的免費現象，如免費試用、前期付費后期免費等形式。

3）細化管理是要求：任何一種在線學習方式，都離不開資源開發、管理和優化等工作，需要設定管理要求，細化規則。

4）實現互動是必然：交互功能是在線學習軟件必然要設計的功能，大多數在線學習使用者表示學習過程中希望能有更多的互動交流。

5）個性化學習是亮點：學習分析和教育數據挖掘的出現，使得在線學習存儲的大量數據能夠被更快速分析和使用，學習者可以隨時掌握學習狀況，開發商也可以掌握學習者的興趣點、學習特征等，為學習者推薦或制訂個性化的學習方案。

教育信息化 我國的教育信息化主要包含兩層含義：一是把提高信息素養納入教育目標，培養適應信息社會的人才；二是把信息技術手段有效應用于教育，注重教育信息資源的開發與利用。教育信息化的核心是教學信息化，要求在教育過程中較全面地運用現代信息技術，促進教育改革，適應信息化社會提出的新要求，深化教育改革，實施素質教育。隨著大數據時代的來臨，教育信息化也在不斷進步，未來的教育信息化將在教育云平臺上進行展現，現有的教育網、校園網將全面升級，實現互聯網、電信網、廣電網等跨平臺使用并支持移動設備。

在CNKI中以“教育信息化”和“大數據”為關鍵詞進行檢索，2013年共有3篇學術論文，2015年共有10篇，研究主題包括大數據時代的信息化教學、教師培訓、課程資源建設、教育輿情監控等。

教育決策 以“教育決策”為關鍵詞搜索到上千篇學術論文，以“教育決策”和“大數據”為關鍵詞，2013年以來共有8篇論文。大數據將在教育決策中發揮越來越重要的作用已成為共識，但如何利用大數據進行決策是目前面臨的難題，如何解決這個難題也是研究者重點關注的領域。教育決策離不開數據，大數據背景下的數據更加復雜、凌亂，呈現碎片化的特征，并且摻雜一些虛假數據，如何收集、選擇數據，是第一步需要做的事情。大數據對于教育決策的價值在于為教育服務，將數據轉化為支持決策的信息，需要數據分析者具備綜合、全面的數據分析素質和能力。大數據的核心是預測，隨著教育信息化和在線學習的持續發展，數據呈爆炸式增長，需要對數據進行整合、分析，發現新知識，為教育優化服務。

4 數據推動決策

傳統決策過程主要依靠決策者的經驗，主觀性較強，或多或少存在一些不足，難以充分發現教育過程中的潛在問題，無法真正有效地優化教學、提高學生表現。信息化推動了人類發展，逐漸成為人類生活必不可少的重要部分；信息化技術普及的同時，也產生前所未有的海量數據。大數據時代的來臨，顛覆了傳統數據分析方法；大數據背景

下，利用數據挖掘方法發現問題、支持決策具有多方面的意義。

1）優化教學、提高教育質量。教師若能充分利用學生學習數據，分析學生學習過程，可以更加快速、便捷、有效地了解學生，發現不足之處并及時反饋，提供改進意見等[5]。

2）為學校管理者制訂更加合理的教學計劃和方案提供決策支持。基于數據的教育決策能夠為管理者提供更加準確、合理的決策支持?；跀祿慕逃龥Q策能夠提供從數據到決策，實施決策后產生的數據再到決策的一種良性循環過程[6]。

3）幫助地區甚至是國家級決策者進行科學判斷。數據推動決策具有相當明顯的優勢，能為決策者提供全方位的視角。大數據分析得到的結果具有全面性、多視角性、參考性強等特點，能夠更好地為決策者提供決策支持。

5 結語

上文所分析出的教育領域熱點研究問題，都緊緊圍繞“數據推動決策”這一主題，學習分析和教育挖掘是分析方法和技術；在線教育是數據來源；教育信息化是信息化大數據環境；教育決策則是根據數據制定決策并運用于教育教學。可見，利用數據推動決策已成為教育領域在大數據背景下最為重要的研究問題之一。

參考文獻

[1]陳悅，陳超美，胡志剛.引文空間分析原理與應用：Cite Space實用指南[M].北京：科學出版社，2014.

[2]潘黎，王素.近十年來教育研究的熱點領域和前沿主題：基于八種教育學期刊2000-2009年刊載文獻關鍵詞共現知識圖譜的計量分析[J].教育研究，2011（2）：47-53.

[3]Siemens G. Learning and Knowledge Analytics-Knewton-the future of education？[EB/OL].[2011-04-17].http：///？p=126.

[4]Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics[DB/OL].[2012-10-12].http：//ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdf.