发布时间：
请先采纳我为的最佳答案，否则我是不会发给你的。。别怪我，我也是受害者，每次给别人提供帮助后都不采纳我，还故意挑毛病找理由，我做这些事情也是要时间要费脑子的，花时间弄出来什么也得不到，换要挨骂。。我弄这些东西不就是为了这几分吗。做事讲的就是诚信，你信我你就采纳然后我发到你邮箱，不信我也没办法。反正我是不会当好人了。。
《信息论与编码》，专业基础课，4学时/周；四届，180人 《信息论基础》，专业必修课，4学时/周；五届，1000人 《电子信息工程专业导论》，专业必修课，4学时/周；二届，400人 《信息论与编码》（研究生），专业必修课，4学时/周；五届，200人 《多媒体信息压缩与编码》（博士研究生），专业必修课，2学时/周；二届，12人 承担的实践性教学 本科课程设计，45人/年 本科生毕业设计，5人/年 硕士生毕业论文，6人/年 博士生毕业论文，2人/年 主持的教学研究课题 考试成绩评定方法研究，合肥工业大学教学研究项目，2005-2006，主持 信息安全专业的教学与实践研究，安徽省教育厅教学重点研究项目，2003-2006，第二主持 计算机科学与技术专业实践教学与创新体系研究，安徽省教育厅教学重点研究项目，2007-2009，主要参与 计算机科学与技术专业本科教学课程体系建设与改革研究，安徽省教育厅省级教学研究项目，2005-2007，主要参与 发表的教学相关论文培养具有高尚道德的拔尖人才，研究生教育，2001年 卷积编码原理的解释，电气电子教学学报，2007年 一种BCH/CRC混合差错控制编码方法，第17届计算机科学与技术应用学术会议论文集，2006年 一种改进的等范数最近邻码本矢量搜索算法，合肥工业大学学报(自然科学版)，2007年 部分国外电子信息类教材编写特点，合肥工业大学学报(社会科学版)，2007年 获得的教学表彰/奖励 安徽省教学名师，安徽省教育厅，2007年 安徽省优秀教师，安徽省教育厅，2004年 国家政府特殊津贴，国务院，1997年 第二届TI中国DSP大奖赛“特殊贡献奖”，竞赛组织委员会，2006年 第二届TI中国DSP大奖赛算法组一等奖的指导教师，2006年 第三届TI中国DSP大奖赛系统组一等奖的指导教师，2008年 第五届“挑战杯”全国大学生课外学术科技作品竞赛“园丁奖”，竞赛组织委员会，1997年 首届安徽省大学生挑战杯课外学术科技作品竞赛一等奖的指导教师，2005年 合肥工业大学本科毕业设计（论文）优秀指导教师，合肥工业大学，2006年
We propose a new learning paradigm, Local to Global Learning (LGL), for Deep Neural Networks (DNNs) to improve the performance of classification problems. The core of LGL is to learn a DNN model from fewer categories (local) to more categories (global) gradually within the entire training set. LGL is most related to the Self-Paced Learning (SPL) algorithm but its formulation is different from SPL.SPL trains its data from simple to complex, while LGL from local to global. In this paper, we incorporate the idea of LGL into the learning objective of DNNs and explain why LGL works better from an information-theoretic perspective. Experiments on the toy data, CIFAR-10, CIFAR-100,and ImageNet dataset show that LGL outperforms the baseline and SPL-based algorithms. 我们为深度神经网络（DNN）提出了一种新的学习范式，即从局部到全局学习（LGL），以提高分类问题的性能。LGL的核心是在整个培训集中逐步从更少的类别（本地）学习更多的类别（全局）DNN模型。LGL与自定进度学习（SPL）算法最相关，但其形式与SPL不同。SPL将数据从简单训练到复杂，而将LGL从本地训练到全局。在本文中，我们将LGL的思想纳入了DNN的学习目标，并从信息论的角度解释了LGL为什么表现更好。对玩具数据，CIFAR-10，CIFAR-100和ImageNet数据集的实验表明，LGL优于基线和基于SPL的算法。 Researchers have spent decades to develop the theory and techniques of Deep Neural Networks (DNNs). Now DNNs are very popular in many areas including speech recognition [9], computer vision [16, 20], natural language processing [30] etc. Some techniques have been proved to be effective, such as data augmentation [32, 29] and identity mapping between layers [10, 11]. Recently, some researchers have focused on how to improve the performance of DNNs by selecting training data in a certain order, such as curriculum learning [3] and self-paced learning [17]. Curriculum learning (CL) was first introduced in 2009 by Bengio et al [3]. CL is inspired by human and animal learning which suggests that a model should learn samples gradually from a simple level to a complex level. However, the curriculum often involves prior man-made knowledge that is independent of the subsequent learning process. To alleviate the issues of CL, Self-Paced Learning (SPL) [17] was proposed to automatically generate the curriculum during the training process. SPL assigns a binary weight to each training sample. Whether or not to choose a sample is decided based on the sample’s loss at each iteration of training. Since [17], many modifications of the basic SPL algorithm have emerged. Moreover, [13] introduces a new regularization term incorporating both easiness and diversity in learning. [12] designs soft weighting (instead of binary weight) methods such as linear soft weighting and logarithmic soft weighting. [14] proposes a framework called self-paced curriculum learning (SPCL) which can exploit both prior knowledge before the training and information extracted dynamically during the training. 研究人员花费了数十年的时间来开发深度神经网络（DNN）的理论和技术。现在，DNN在很多领域都非常流行，包括语音识别[9]，计算机视觉[16、20]，自然语言处理[30]等。一些技术已被证明是有效的，例如数据增强[32、29]和层之间的身份映射[10，11]。近来，一些研究人员致力于通过按特定顺序选择训练数据来提高DNN的性能，例如课程学习[3]和自定进度学习[17]。课程学习（CL）由Bengio等人于2009年首次提出[3]。CL受人类和动物学习的启发，这表明模型应该从简单的层次逐步学习到复杂的层次。但是，课程通常涉及先前的人造知识，而这些知识与后续的学习过程无关，为了缓解CL的问题，提出了自定进度学习（SPL）[17]在培训过程中自动生成课程表。SPL将二进制权重分配给每个训练样本。是否选择样本取决于每次训练迭代时样本的损失。自[17]以来，已经出现了对基本SPL算法的许多修改。此外，[13]引入了一个新的正规化术语，在学习中兼顾了易用性和多样性。[12]设计了软加权（而不是二进制加权）方法，例如线性软加权和对数软加权。[14]提出了一种称为自定进度课程学习（SPCL）的框架，该框架可以利用训练之前的先验知识和训练期间动态提取的信息。 However, some SPL-based challenges still remain: 1) It is hard to define simple and complex levels. CL defines these levels according to prior knowledge, which needs to be annotated by human. This process is extremely complicated and time consuming, especially when the number of categories is large. Another solution is to choose simple samples according to the loss like SPL. However, the samples’ losses are related to the choice of different models and hyper-parameters, since it is likely that the loss of a sample is large for one model but small for another; 2) SPL4748 based algorithms always bring additional hyper-parameters. One must tune hyper-parameters very carefully to generate a good curriculum, which increases the difficulty of training the model. 但是，仍然存在一些基于SPL的挑战：1）很难定义简单和复杂的级别。CL根据需要由人类注释的先验知识定义这些级别。此过程极其复杂且耗时，尤其是类别数量很大时。另一种解决方案是根据损耗（如SPL）选择简单样本。但是，样本损失与选择不同的模型和超参数有关，因为一个模型的样本损失可能很大，而另一模型的损失却很小。2）基于SPL4748的算法总是带来附加的超参数。必须非常仔细地调整超参数以生成好的课程表，这增加了训练模型的难度。 To address the above two problems, we propose a new learning paradigm called Local to Global Learning (LGL). LGL learns the neural network model from fewer categories (local) to more categories (global) gradually within the entire training set, which brings only one hyper-parameter ( inverse proportional to how many classes to add at each time) to DNN. This new hyper-parameter is also easy to be tuned. Generally, we can improve the performance of DNN by increasing the value of the new hyper-parameter. The intuition behind LGL is that the network is usually better to memorize fewer categories1 and then gradually learns from more categories, which is consistent with the way people learn. The formulation of LGL can be better understood by comparing it with transfer learning shown in Figure 1. In transfer learning, the initial weights of DNNs are transferred from another dataset. But in LGL, the initial weights of DNNs are transferred from the self-domain without knowledge of other datasets. The traditional methods randomly initialize the weights, which do not consider the distributions of the training data and may end up with a bad local minimum; whereas LGL initializes the weights which capture the distributions of the trained data. So LGL can be also seen as an initialization strategy of DNNs. In this paper, we explain the methodology of LGL from the mathematical formulation in detail. Instead of concentrating on sample loss (as in SPL), we pay attention to training DNN effectively by continually adding a new class to DNN. There are three main contributions from this paper: 为了解决上述两个问题，我们提出了一种新的学习范式，称为本地到全球学习（LGL）。LGL在整个训练集中逐渐从较少的类别（局部）到更多的类别（全局）学习神经网络模型，这仅给DNN带来一个超参数（与每次添加多少个类成反比）。这个新的超参数也很容易调整。通常，我们可以通过增加新的超参数的值来提高DNN的性能。LGL的直觉是，网络通常可以更好地记住较少的类别1，然后逐渐从更多的类别中学习，这与人们的学习方式是一致的。通过将LGL的公式与图1所示的转移学习进行比较，可以更好地理解LGL的公式。在转移学习中，DNN的初始权重是从另一个数据集中转移的。但是在LGL中，DNN的初始权重是在不了解其他数据集的情况下从自域传递的。传统方法是随机初始化权重，这些权重不考虑训练数据的分布，最终可能会导致不良的局部最小值。而LGL会初始化权重，以捕获训练数据的分布。因此，LGL也可以视为DNN的初始化策略。在本文中，我们将从数学公式详细解释LGL的方法。我们不专注于样本丢失（如SPL），而是通过不断向DNN添加新类来关注有效地训练DNN。本文主要有三点贡献： We propose a new learning paradigm called Local to Global Learning (LGL) and incorporate the idea of LGL into the learning objective of DNN. Unlike SPL, LGL guides DNN to learn from fewer categories (local) to more categories (global) gradually within the entire training set. • From an information-theoretic perspective (conditional entropy), we confirm that LGL can make DNN more stable to train from the beginning. • We perform the LGL algorithm on the toy data, CIFAR-10, CIFAR-100, and ImageNet dataset. The experiments on toy data show that the loss curve of LGL is more stable and the algorithm converges faster than the SPL algorithm when the model or data distributions vary. The experiments on CIFAR-10, CIFAR100 and ImageNet show that the classification accuracy of LGL outperforms the baseline and SPL-based algorithms. 我们提出了一种新的学习范式，称为本地到全球学习（LGL），并将LGL的思想纳入DNN的学习目标。与SPL不同，LGL指导DNN在整个培训集中逐步从较少的类别（本地）学习到更多的类别（全局）。•从信息理论的角度（条件熵），我们确认LGL可以使DNN从一开始就更稳定地进行训练。•我们对玩具数据，CIFAR-10，CIFAR-100和ImageNet数据集执行LGL算法。对玩具数据的实验表明，当模型或数据分布变化时，LGL的损失曲线更稳定，并且收敛速度比SPL算法快。在CIFAR-10，CIFAR100和ImageNet上进行的实验表明，LGL的分类精度优于基线和基于SPL的算法。 SPL has been applied to many research fields. [24] uses SPL for long-term tracking problems to automatically select right frames for the model to learn. [28] integrates the SPL method into multiple instances learning framework for selecting efficient training samples. [27] proposes multi-view SPL for clustering which overcomes the drawback of stuck in bad local minima during the optimization. [31] introduces a new matrix factorization framework by incorporating SPL methodology with traditional factorization methods. [8] proposes a framework named self-paced sparse coding by incorporating self-paced learning methodology with sparse coding as well as manifold regularization. The proposed method can effectively relieve the effect of nonconvexity. [21] designs a new co-training algorithm called self-paced co-training. The proposed algorithm differs from the standard co-training algorithm that does not remove false labelled instances from training. [18] brings the ideaof SPL into multi-task learning and proposes a frameworkthat learns the tasks by simultaneously taking into consideration the complexity of both tasks and instances per task. Recently, some researchers have combined SPL withmodern DNNs. [19] proposes self-paced convolutional network (SPCN) which improves CNNs with SPL for enhancing the learning robustness. In SPCN, each sample is assigned a weight to reflect the easiness of the sample. A dynamic self-paced function is incorporated into the learning objective of CNNs to jointly learn the parameters ofCNNs and latent weight variable. However, SPCN seemsto only work well on simple dataset like MNIST. [2] showsthat CNNs with the SPL strategy do not show actual improvement on the CIFAR dataset. [15] shows that whenthere are fewer layers in the CNN, an SPL-based algorithmmay work better on CIFAR. But when the number of layers increases, like for VGG [23], the SPL algorithm performs almost equal to that of traditional CNN training. [25]proposes a variant form of self-paced learning to improvethe performance of neural networks. However, the methodis complicated and can not be applied to large dataset likeImageNet. Based on the above analysis of SPL’s limitations, we develop a new data selection method for CNNscalled Local to Global Learning (LGL). LGL brings onlyone hyper-parameter (easy to be tuned) to the CNN and performs better than the SPL-based algorithms. SPL已应用于许多研究领域。[24]使用SPL解决长期跟踪问题，以自动选择合适的框架供模型学习。[28]将SPL方法集成到多个实例学习框架中，以选择有效的训练样本。[27]提出了一种用于聚类的多视图SPL，它克服了优化过程中卡在不良局部极小值中的缺点。[31]通过将SPL方法与传统因式分解方法相结合，引入了新的矩阵因式分解框架。文献[8]提出了一种框架，该框架通过将自定进度的学习方法与稀疏编码以及流形正则化相结合，提出了自定进度的稀疏编码。所提出的方法可以有效地缓解不凸性的影响。[21]设计了一种新的协同训练算法，称为自定步距协同训练。提出的算法与标准的协同训练算法不同，后者不会从训练中删除错误标记的实例。[18]将SPL的思想带入了多任务学习，并提出了一个通过同时考虑任务和每个任务实例的复杂性来学习任务的框架。 最近，一些研究人员将SPL与现代DNN相结合。文献[19]提出了一种自定速度的卷积网络（SPCN），它利用SPL改进了CNN，从而增强了学习的鲁棒性。在SPCN中，为每个样本分配了权重以反映样本的难易程度。动态自定步函数被纳入CNN的学习目标，以共同学习CNN的参数和潜在权重变量。但是，SPCN似乎只能在像MNIST这样的简单数据集上很好地工作。[2]显示，采用SPL策略的CNN在CIFAR数据集上并未显示出实际的改进。[15]表明，当CNN中的层数较少时，基于SPL的算法在CIFAR上可能会更好地工作。但是，当层数增加时，例如对于VGG [23]，SPL算法的性能几乎与传统CNN训练的性能相同。[25]提出了一种自定进度学习的变体形式，以提高神经网络的性能。但是，该方法很复杂，不能应用于像ImageNet这样的大型数据集。基于以上对SPL局限性的分析，我们为CNN开发了一种新的数据选择方法，称为本地到全球学习（LGL）。LGL仅给CNN带来一个超参数（易于调整），并且比基于SPL的算法性能更好。 There are still two learning regimes similar to our workcalled Active Learning [6] and Co-training [4] which also select the data according to some strategies. But in active learning, the labels of all the samples are not known when the samples are chosen. Co-training deals with semisupervised learning in which some labels are missing. Thus,these two learning regimes differ in our setting where the labels of all the training data are known. 仍然有两种与我们的工作类似的学习方式称为主动学习[6]和联合训练[4]，它们也根据某些策略选择数据。但是在主动学习中，选择样本时不知道所有样本的标签。联合培训涉及缺少某些标签的半监督学习。因此，这两种学习方式在我们设置所有训练数据的标签的环境中是不同的。 3.self-Paces Learning Let us first briefly review SPL before introducing LGL. Let L(yi, g(xi, w)) denote the loss of the ground truth label yi and estimated label g(xi, w), where w represents theparameters of the model. The goal of SPL is to jointlylearn the model parameters w and latent variable v =[vi, . . . , vn]T by minimizing: 在介绍LGL之前，让我们首先简要回顾一下SPL。令L（yi，g（xi，w））表示地面真值标签yi和估计标签g（xi，w）的损失，其中w表示模型的参数。SPL的目标是共同学习模型参数w和潜在变量v = [vi，...，vn] T通过最小化： In the above, v denotes the weight variables reflecting the samples’ importance; λ is a parameter for controlling the learning pace; f is called the self-paced function which controls the learning scheme. SPL-based algorithms are about to modify f to automatically generate a good curriculum during the learning process.In the original SPL algorithm [17], v ∈ {0, 1}^n, and fis chosen as: Another popular algorithm is called SPLD (self-paced learning with diversity) [13] which considers both ||v||1 and the sum of group-wise ||v||2. In SPLD, f is chosen as: In general, iterative methods like Alternate Convex Search (ACS) are used to solve (1), where w and v are optimized alternately. When v is fixed, we can use existing supervised learning methods to minimize the first term in (1) to obtain the optimal w∗. Then when w is fixed,and suppose f is adopted from (2), the global optimum v∗= [vi∗, . . . , vn*]T can be explicitly calculated as: 通常，使用迭代方法（如交替凸搜索（ACS））求解（1），其中w和v交替优化。当v固定时，我们可以使用现有的有监督学习方法来最小化（1）中的第一项，以获得最佳w ∗。然后，当w固定时，假设从（2）中采用f，则全局最优v ∗ = [v ∗ i，。。。，v ∗ n] T可以明确地计算为： From (4), λ is a parameter that determines the difficulty of sampling the training data: When λ is small, ‘easy’ samples with small losses are sent into the model to train; When we gradually increase λ, the ‘complex’ samples will be provided to the model until the entire training set is processed.From the above analysis, the key step in an SPL algorithm is to adjust the hyper-parameter λ at each iteration of training. In reality, however, we do not know the loss of each sample before training. Therefore sometimes one needs to run a baseline (a training algorithm without SPL) first to observe the average loss at each iteration and then set an empirical value for λ to increase. For more complex algorithms like SPLD from (3), researchers must control two parameters λ and γ, which makes the training difficult. To avoid the difficulty of tuning parameters in the SPL-based algorithms, we introduce our easy-to-train LGL algorithm. 从（4）中，λ是一个参数，它确定对训练数据进行采样的难度：当λ较小时，将损失较小的“简单”样本发送到模型中进行训练；当我们逐渐增加λ时，将向模型提供“复杂”样本，直到处理完整个训练集为止。根据以上分析，SPL算法中的关键步骤是在每次训练迭代时调整超参数λ。但是，实际上，我们不知道训练前每个样本的损失。因此，有时需要先运行基线（无SPL的训练算法）以观察每次迭代的平均损耗，然后为λ设置一个经验值以增加。对于（3）中的SPLD等更复杂的算法，研究人员必须控制两个参数λ和γ，这使训练变得困难。为了避免在基于SPL的算法中调整参数的困难，我们引入了易于训练的LGL算法。
摘 要:随着技术革新的不断发展，产业融合正日益成为产业经济发展中的重要现象。产业融合产生的前提是技术融合、业务融合、市场融合以及产业管制环境的变化。按照技术发展的方向，产业融合有产业渗透、产业交叉和产业重组三种形式。由于信息技术的渗透性、带动性、倍增性、网络性和系统性等特征，信息产业的产业融合呈现加速发展的趋势。
学术堂整理了十个信息管理与信息系统2020年最新选题，供大家进行参考：1、BC环境下影响网络广告效果的因素分析2、ERP环境下企业营销业务流程重组研究与实践3、ERP实施风险评价实证研究4、电子商务环境下的第三方支付问题研究5、电子商务环境下团购的优势与风险分析6、国内团购网站的发展策略研究7、基于用户需求导向的我国BC电子商务网站的个性化信息服务研究8、如何提高ERP产品服务质量的研究9、基于生命周期理论的网商发展现状分析10、银行业电子商务水平研究
可以从（数据挖掘）的角度下笔开始写~
研究方向电子病历、医学图像处理、临床支持系统、医学决策系统、医院信息管理系统、卫生信息资源管理等等。
该专业旨在培养适应我国卫生信息化建设需求的既具有医疗卫生领域知识又具备现代信息管理和信息技术专长的复合型人才 追问 是不是考研比直接就业要好。考研的时候是不是有医学，计算机，管理等方向。
教学条件
教师队伍
教师队伍规模与结构教师队伍应满足专业教学需要，应当具备专任教师10名以上。原则上，专业主干课程应当配备至少1名专任教师任主讲教师。
专任教师中具有硕士、博士学位的比例应不低于80%。专任教师中具有中级及以上专业技术职务的比例不低于90%，并通过岗前培训，获得教师资格证书。
任课教师队伍应包括一定比例的具备行业实务经验的人员。任课教师队伍年龄、学历、专业技术职务、学缘等结构层次合理均衡。
教师专业背景要求
专任教师一般应具有5年以上该专业或相关专业教育背景，实践性强的课程的主讲教师应具有行业实践背景或实务经验。有条件的高校，教师队伍中应有一定数量的教师具有海外留学经历或跨学科教育背景。
教师素质与水平要求
教师应具备高尚的师德，履行教师岗位职责，教书育人，从严执教，为人师表，严谨治学，遵守学术道德规范；应掌握教育教学基本原理、基本方法，了解教育心理学的基本知识；应能通过学习、研究与实践，提高教学能力和科研能力；具有创新创业教育意识和能力。
设备资源
信息资源要求拥有数量充足、种类齐全的专业纸质和电子图书资源，生均藏书量和生均年进书量达到国家办学条件要求，生均图书（含纸质与电子图书，电子图书册数按授权数计算）不少于100册，生均年进数量（含纸质与电子图书）不少于4册。配备满足教学需要的中文和外文电子资源数据库。
各种信息资源应能满足不同层次和阶段学生的学习需求，满足理论教学和实践教学的需要。重视校园网及网络资源建设，方便教师和学生利用各种信息资源开展教学与科研活动。
教学设施要求
拥有足够数量和功能的专业教学设施，生均教学科研仪器设备值及新增教学科研仪器设备值所占比例达到国家办学条件要求。原则上，课程教学中应具备多媒体教学设施，特定专业课程应配备该课程所需要的特定教学设施和仪器设备。
根据自身条件和实践教学要求设置所需的专业实验室、实习场所、实践教学基地等。与相关行业和实务部门紧密合作开展实习实训，建设一定数量不同类型的实习基地，满足实践教学和保障学生实习及创新创业能力培养的需要。
拥有该专业教学相关的设施，生均教学行政用房面积达到国家办学条件要求，教室、实验室、实习实训场所和附属用房、运动场、活动中心等相关设施等基本满足专业人才培养的需要。
教学经费
教学经费专指在专业教学各个环节发生的资源建设费用、教学运行费用与教学评估费用。教学经费要求包括上述费用的最低保障要求及经费增长要求。其中，教学日常运行支出占经常性预算内教育事业费拨款与学费收入之和的比例不低于13%，生均年教学日常运行支出不低于1500元。
教学经费应在保证生均年日常教学经费的基础上，随着教育事业经费的增长而逐步增长。教学经费包括日常教学经费和专业教学经费。教学经费的使用应向教学一线倾斜，不得用于其他用途。
质量保障
质量保障目标
以2018年出版的《普通高等学校本科专业类教学质量国家标准》为基础建立覆盖培养目标、培养规格、课程体系、教学规范、教师队伍、教学条件、教学效果等指标的质量保障目标体系。
质量保障组织
教学单位应设置相应的委员会和组织机构，形成岗位职责明确、全员参与、分工协作的质量保障和持续改善的组织体系。
质量保障规范与监控
围绕各教学质量保障目标要求，制定质量保障实施规范，建立信息反馈机制和调控改进机制，开展常态化和制度化的质量评估，确保对教学质量形成全过程实施有效监控，保证教学质量的持续提高和专业人才培养目标的有效实现。
以上内容来源：百度百科-信息管理与信息系统
一、信息管理与信息系统专业考研方向1：管理科学与工程
这一学科是我国管理学门类中唯一按一级学科招生的学科，覆盖面广，包含了资源优化管理、公共工程组织与管理、不确定性决策研究和项目管理等众多研究领域，是国内外研究的热点。
二、信息管理与信息系统专业考研方向2：工商管理
工商管理专业的报考条件较其他专业有特殊的要求具体如下：
1、大学本科毕业后有3年或3年以上工作经验的人员；
2、或获得国家承认的高职高专毕业学历后，有5年或5年以上工作经验，达到与大学本科毕业生同等学力的人员；3、或已获硕士学位或博士学位并有2年或2年以上工作经验的人员。
三、信息管理与信息系统专业考研方向3：情报学
本专业研究生应系统地掌握现代信息管理的基本理论和技术，具备独立从事情报学理论研究、现代信息管理工作、以及信息系统的分析与设计的能力。熟悉掌握一门外国语，熟练掌握信息管理活动中所需的计算机技术。
四、信息管理与信息系统专业考研方向4：（专业硕士）公共管理
公共管理专业的报考条件较其他专业有特殊的要求具体如下：
1、大学本科毕业后有3年或3年以上工作经验的人员；
2、或获得国家承认的高职高专毕业学历后，有5年或5年以上工作经验，达到与大学本科毕业生同等学力的人员；
3、或已获硕士学位或博士学位并有2年或2年以上工作经验的人员。
五、信息管理与信息系统专业考研方向5：档案学
档案学专业培养具备系统的档案学基础知识与文书知识，掌握现代信息技术的基本技能，能在国家机关、企事业单位的档案机构、信息部门从事档案信息服务、档案信息管理工作及研究工作的应用型、复合型档案学高级专门人才。
浅谈信息时代做好高校信息工作之我见
论文关键词：信息时代 高校 信息工作
论文摘要： 信息时代，信息工作是高校领导进行准确判断、科学决策和有效领导的重要参考和依据，也是展示学校形象、建设和谐校园的重要途径。本文从认识其重要性、提高服务水平及需要注意的问题等三个方面就如何做好高校信息工作进行了初步探讨。
党的XX大报告强调，及时、准确地掌握情报信息是掌握工作主动权的关键。信息工作是高校办公室的一项重要工作，是领导了解和掌握学校动态、推进工作的重要依据和前提，也是为领导决策服务的一个重要抓手，是联系沟通的重要渠道，对维护校园稳定有着举足轻重的作用。当前，错综复杂的国际形势、社会转型时期的国情以及青年大学生群体的特殊性，使得高校的信息工作日益成为加强和改进学生工作、推进和谐校园建设、促进学校各项事业科学发展的重要武器，信息时代的来临，又对高校信息工作提出了更新更高的要求。
一、充分认识信息工作的重要性
信息时代的一个最为显著的特征就是“信息大爆炸”。伴随着信息量、信息传播及处理速度、应用程度呈几何级数增长，一方面，信息量、信息传播渠道激增，面对纷至沓来的海量信息，如何进一步增强对信息的吸收和处理能力，迅速、有效地甄别有价值的信息为我所用，是高校信息工作人员目前迫切需要解决的难题；另一方面，传播方式与信息渠道的变革，信息面更广、量更大，内容更加纷繁复杂，外界信息对生活的影响更加明显。
使人担忧的是，除了能对电视、报纸、期刊、杂志等传统媒体进行有效监管外，对互联网等新兴媒体进行有效的.实时监管几乎难以实现。随着信息传播手段的日益失控，信息中存在的陷阱也越来越多，个别网站恶意发布、传播未经证实的虚假、有害信息，这些信息通过短信、论坛、微博、QQ群等渠道进一步扩散，会让受众失去信任和理性，如果被别有用心的人加以操控和利用，极易对和谐校园的建设造成不良影响，甚至对校园稳定构成威胁，可能造成严重的后果。
因此，在信息时代，高校的信息工作既面临着前所未有的机遇，又面临着巨大的挑战。我们非但不能掉以轻心，而且要进一步牢固树立“信息工作无小事”、“信息就是执行力和战斗力”等正确的信息观，站在“讲政治、顾大局”的高度，充分认识信息工作的重要性，不断增强做好信息工作的责任感、使命感和自觉性，不断增强信息工作的主动性、针对性、有效性，培养敏锐的信息意识，养成良好的、积极向上的挖掘信息的好习惯，处处留心、时时留意，随时捕捉潜在的、深层次的、有价值的信息，切实把信息工作与学校教育事业发展紧密联系，更好地为学校党委、行政研究新情况、解决新问题发挥参谋助手作用，这既是信息工作的现实课题，也是高校谋求自身发展的内在需要。
二、努力提高信息工作的服务水平
学校办公室是高校的综合性部门，切实做好信息工作，及时向学校党委、行政决策提供准确、完整、适量、有用的信息，是其重要职责之一。信息工作能否发挥参谋助手作用，更多地取决于能否在第一时间掌握第一手信息资料，并提供准确的、科学的、可行的处理建议。因此，要注重增强信息工作的责任意识，努力提高信息工作的服务水平。
一是要构建完善信息网络。打造一支嗅觉灵敏、反应迅速的信息员队伍，构建覆盖全校范围的信息网络。校属各单位都明确分管领导及信息员，教学单位延伸到各教学班级，设立班级信息员；与宣传部、校团委合作，将学生记者、学生会成员纳入信息员队伍，承担信息报送工作；有针对性地向教学、管理等方面做出重大成绩的单位或个人约稿；充分发挥现代网络信息载体的功能，注重网络信息的收集与处理。特别要注意的是，网络信息是了解学生思想动态、做好思政工作和校园安全稳定工作的一个重要因素，通过密切关注校友论坛、人人网、QQ群中出现的相关信息，对于有害信息，及时通报有关部门处理，对于热点焦点信息，整理成要点上报。
二是及时准确报送信息。建立信息工作责任制，将做好信息报送工作作为各职能部门、教学单位的职责和任务；确立必报制度和零报告制度，重大突发事件发生后必须立即报送，特别是涉及稳定安全的事项，要求在妥善处置的同时必须在第一时间予以上报，在重大节假日、敏感节点期间实行零报告制度；建立责任追究制度，信息报送必须及时准确，故意瞒报、漏报或因工作失误造成所报信息失实等情况一旦查实，给予严肃批评，造成严重后果的，还要追究单位负责人及相关工作人员的责任。此外，通过建立信息采用情况每月通报、评选信息工作先进集体及个人等激励机制，将信息工作与岗位职责、年终考评挂钩，达到充分调动信息员的积极性与主动性的目的。对于学生信息员，则参照课外实践活动的相关规定进行补助奖励。通过一系列有效措施，完善信息报送渠道，激励信息员工作积极性，及时准确报送信息。
三是注重信息追踪反馈。建立信息追踪反馈机制，对紧急情况的处置、突发事件的进展、重要工作的落实等情况进行持续跟进和追踪，随时向领导和上级主管部门报送新情况、新动态、新趋势。已经报送的信息中，需要反馈的，特别是师生员工的呼声和要求，力争做到事事有着落、件件有回音，领导有批示意见或已经有处理结果的，及时向有关个人或单位答复并视具体情况通过适当渠道予以公开。
三、信息工作中需要注意的问题
（一）兼顾准确性与时效性
信息报送的准确性很重要。要建立健全信息上报审批制度，严格按照规定程序进行报送。各职能部门、教学单位采写的信息，经过单位负责人审核签字后，方可上报学校；学校对外报送的信息，要反复编辑修改，达到“言简意赅、用词规范、要素齐全、思路清晰”的基本要求，经过主管领导审阅签发后方可报送。
同时，信息时效性强，它的收集、编辑、报送等环节都要力求高效快捷，反映灵敏，行动迅速。紧急情况、重大突发事件更要及时、如实编报，不得延误。如遇特殊情况来不及做文字处理，经请示领导批准后，可通过政务信息平台、手机短信、电子邮件等途径报送简明信息的电子版，然后补报详细的文字信息。当然，要注意保密工作原则，涉密信息不得采用网络途径报送。
倘若发生紧急情况或突发事件，信息未能及时报出，可能会影响到领导层的判断与决策；信息未经核实与批准，尽管第一时间报出，首先违反了工作纪律，倘若内容失实，可能会造成不良影响，甚至会带来不可挽回的损失。因此，信息工作中要兼顾准确性和时效性，二者缺一不可。
（二）正确处理报喜与报忧
报喜与报忧是信息工作中的难点问题。切忌报喜不报忧，要坚持实事求是的原则，做到有喜报喜，有忧报忧，喜忧兼报，真实可靠。既要注意总结好的做法和经验，反映工作成绩，又要报告存在的问题和突发事件，及时全面地向上级领导部门反映问题。特别是近几年来，群众事件日益增多，校园安全稳定工作压力日趋增大，在重大节假日、敏感节点期间，要及时捕捉苗头性、倾向性、预警性信息，力求第一时间向学校决策层和上级部门提供具有参考价值的信息。
总之，在信息时代，高校信息工作是一项具有动态性、长期性、挑战性的工作。要从维护稳定、科学发展的高度，从学校工作大局出发，努力适应新形势，应对新挑战，把握新机遇，以更加敏锐的思想和更加开阔的视野，充分认识到做好信息工作的重要性，切实增强做好信息工作的责任意识，不断完善信息上报审批、激励、追踪反馈等长效工作机制，努力提高信息工作的服务水平，切实做好信息工作。
参考文献：
[1]周凯.网络背景下完善高校信息工作体系的实践与思考,浙江中医药大学学报,2009年第33卷第4期
[2]曾先胜.充分发挥基层信息员生力军作用,秘书工作,2009.1
[3]韩朝红.围绕中心,服务决策,努力提高信息辅政水平,秘书工作,2007.9
论文可以去辑文期刊网
浅谈如何提高会计信息质量的论文范文
摘 要： 会计信息失真严峻打乱了市场秩序，使全部社会对会计信息发生了信赖的危机，形成会计信息质量低下的要素许多，能够概括为内因和外因两个方面，内因和外因一同作用，致使了虚伪的会计信息。文章分析了这两个要素，一同提出了解决的办法。
关键字： 会计信息 会计人员 内因 外因
会计信息是指会计单位经过财务报表、财务陈述或附注等形式向出资者、债权人或别的信息使用者提醒单位财务情况和运营作用的信息。会计信息是一种经济资本，会计信息关于国家方针来说，能够用来拟定准确的方针和计划，进步资本的制作和使用效益； 对公司来说，决策者能够根据会计信息来拟定生产计划，操控经济活动，促进生产开展；对出资人来说，能够了解公司的生产运营情况和财务情况，以便作出合理的出资决策。因而会计信息的实在性至关重要。
会计信息质量，是当今大家议论会计作业时最为重视的论题，可是，严俊的事实是我国现在的会计信息存在着严峻的失真情况，会计信息失真直接危害了会计作业的生命力，形成国有资产和财政收入的许多丢失，会计信息失真严峻打乱了市场秩序，破坏了公司、公司的形象，腐蚀和动摇了公司生存和开展之本，挫伤了广阔出资者的积极性，使全部社会对会计信息发生了信赖的危机，也使会计作业陷入了严峻的社会危机和价值危机，阻碍了我国现代化的进程，因而，上致国家领导，下致普通百姓，都发出了“不做jia账”的激烈呼声。
形成会计信息质量低下的要素许多，能够概括为内因和外因两个方面，内因是关健，外因是条件，内因和外因一同作用，致使了虚伪的会计信息。
1.虚伪会计信息发生的内因
1.1公司及各种人员之间利益的驱动，是会计信息失真的内因。
首要，公司利益作为根本性的利益，公司经过提拱虚伪的会计信息，能够虚增赢利得出资、借款乃至上市的`时机；能够虚增开销，多列费用，少列收入，隐瞒赢利，以到达偷税、逃税的意图。其次，是自个利益，公司的负责人使用自个的权利，指派会计人员人为地制作假账，或夸大事实得各方信赖，并因而到达自个升迁等意图，或私设小金库以获取不合法收益，或在变换运营机制过程中，运营者经过不实评价，压低国有资产价值，并吞国家的产业。再次，会计人员作为公司的职工，不能相对独登时开展作业而受制于公司负责人，其为了本身利益，往往会迫于压力而违背会计法规，依照领导的意图招摇撞，制作虚伪的会计信息。这些杂乱的利益联系构成了虚伪会计信息发生的内部要素。
1.2公司会计作业的从属性，进一步强化了虚伪会计信息发生的内因。
我国大多数公司内部会计作业系统是公司管理系统的子系统，公司会计作业的从属性，决议了会计信息的生成彻底掌握在公司自个的手中，这就为会计人员制作虚伪会计信息供给了便当条件。这也是虚伪会计信息难于发现和管理的根本要素。
2.虚伪会计信息发生的外因
2.1会计法规、准则、准则本身的缺陷是虚伪会计信息发生的关健要素。
会计作业是一项技术性很强的作业，会计法规的拟定有必要有紧密的科学性，假如缺少科学性，就会有一些公司使用合法而不合理的手法来点缀财务报表、进步公司赢利，制作虚伪的会计信息。
2.2对供给虚伪会计信息的公司和自个处分力度的不行是发生虚伪会计信息的重要要素。
以往，对虚伪会计信息供给的职责人的处分，往往是雷声大雨点小，给人以不得要领的感觉，而起不到震撼的作用，这就在客观上纵容了违法行为，致使虚伪会计信息的泛滥。
2.3虚伪会计信息的发生还与公司内部运营管理紊乱，会计人员的业务本质、涵养差有着亲近的联系。
公司内部运营管理紊乱，没一套健全的的内部操控准则和内部管理准则，影响了会计信息质量，而低本质的会计人员，不可避免地会做犯错账，如：乱用会计科目、随意改变账户对应联系、会计承认及计量作业紊乱等，一同也很难抵挡来自于各方面的诱惑，制作假账也就更在所难免。
3.怎么管理虚伪的会计信息
3.1加强执法力度。
因为制作虚伪会计信息的首要意图是获取经济利益，因而，加大对首要职责的处分力度显得尤为关健。要避免对会计信息失真疑问查看不行，处分不力的情况，做到有法可依，执法必严，违法必究，决不姑息迁就。
3.2加强会计部队建设，会面进步会计人员本质。
会计人员作为会计信息的直接制作者，对虚伪会计信息的发生负有不可推卸的职责。因而，会计人员有必要具有丰厚的会计专业知识和技术，通晓各种会计法规和准则，才干供给实在有用的会计信息。更为重要的是，会计人员要具有激烈的职责感，要有杰出的职业品德，只有这么，才干在利益的诱惑和权利的限制面前，不丧失准则，不图谋私利，让品德的天平一直倾向品德标准。因而进步会计人员的品德教育显得十分必要。
3.3进步注册会计师部队本质，用法制手法标准审计监督。
注册会计师应起到保护经济秩序，公正监证财务陈述的作用，但实际情况却令人担忧，这一方面需求经过各种训练进步注册会计师部队的本质，更需求树立一个具有高度权威性的一致的法令系统来约束注册会计师职业的行为，清晰注册会计师应承当的法令职责，经过法令手法严厉打击违背职业品德、与公司勾结一同供给虚伪陈述的注册会计师和会计师事务所，然后确保这个职业的公正性，标准社会审计监督。
3.4树立全国范围的信誉监督系统，发明杰出的信息真环境。
安身严格执行《会计法》的基础上，树立一套全国范围规划领先的信息数据库，记载公司与自个的各种数据供各方查询，特别对不良的信誉逐个记载在案起到“黑名单”的作用，这么，让人一望而知的信誉记载必将到达惩假的杰出作用。
参考文献：
[1]陈碧.王中学.赖斌 重塑会计诚信[J].我国商界2010(5).
[2]张苏彤.康才智 会计信息的法令性质研究[J].会计之友2010(9).
[3]李池亮 浅议会计信息失真[J].年代陈述2011(8).
会计信息系统论文范文
会计信息系统主要是做什么，有什么功能的呢？以下是我整理的会计信息系统论文范文 ，欢迎参考！
一、引言：
纵观会计发展历史，会计已经从简单地记录事项并向所有者报告管理者经营业绩的阶段演变到向组织内部和外部的利益相关者提供决策有用信息。会计的目标相应地也从报告解除受托责任拓展到优化配置资源。但是，从我国会计信息质量现状来看，会计在很大程度上不仅没有起到优化资源配置的作用，甚至有时还误导了资源的流向，使投资者的利益受到了损害。
会计信息质量不高，与会计人员素质。会计法规和准则等方面均有关系，这方面的研究已有诸多成果。本文试图另辟蹊径，立足公司治理、企业管理、会计信息系统的共生关系，从理论层面揭示会计信息质量是怎样受制于环境并积极地影响这些环境。作者的观点是，会计作为企业管理系统的一部分，它同公司的管理结构和治理结构是密不可分的。在一个管理有序、治理完善的企业中，会计必然运作良好，它为企业内部、外部决策者提供可靠、相关的会计信息。从经验来看，那些提供虚假会计信息的企业一般都在企业管理上比较薄弱，缺乏有效的公司治理结构。笔者进而认为会计信息失真的深层次原因是在于我国许多企业缺乏完善、健全的公司管理系统和有效的公司治理系统。会计职责的履行和作用的发挥离不开企业管理和治理结构，只有将会计置于公司管理和治理系统中加以考虑，才能理解会计在经济生活中的角色和地位，才能找出现实中所存在问题的症结，寻求对症之药。
二、公司治理和公司管理的整合分析摸型
目前，有关公司治理和公司管理的研究存在着两种倾向，即公司治理研究只考虑狭义的公司治理范围，其中主要研究内部监控机制和激励约束机制，而公司管理研究中，又只注意企业外部环境、公司文化、管理风格的影响，而很少把公司管理系统与公司治理系统结合起来综合研究。
其实，公司治理与管理是存在紧密关系的两个方面，按柯克兰和瓦提克（Cochran and Wartick）的研究结论：公司治理与公司管理之间潜在冲突是构成公司治理问题的内容之一，因此公司治理的目标就包括协调公司的治理和公司的管理。治理与管理的区别依赖于经济学上定义股东与管理者关系的企业理论模型：股东拥有企业仅不参与经营管理，股东通过选举董事会作为他们在公司决策中的代理人来监督经营者的行为。据此，公司治理被看成与公司的内在性质、目的和整体形象有关，与该实体的重要性、持久性和诚信责任等内容有关，而公司管理则更多地与具体经营活动有关。可以认为，治理与管理的差别在于：
（1）治理的中心是外部的，而管理的中心是内部的；
（2）治理是一个计放系统；管理是一个封闭系统；
（3）治理是战略导向的，管理是任务导向的。简言之，公司治理关心的是“公司向何处去”的问题，而公司管理关心的是“怎样使公司达到上述目标”的问题。同时，企业治理和管理又是密不可分的。公司治理和管理都可能直接对公司管理运作过程产生影响，但在通常情况下，公司治理系统主要是通过影响公司管理系统来达到间接影响公司管理运作的目的和提高公司的管理效率与管理效益的。在实践中，通常认为专司公司治理的董事会在很大程度上参与了企业管理。特别是在英美等国家的治理结构中，董事长往往又是公司的首席执行官（CEO），许多高层经理又是董事会成员。鉴于公司治理与公司管理这种交叉关系，国外有学者指出应该将公司治理与公司管理综合起来加以研究，并提出了一个描述性模型。我国有学者借鉴其思路，构造了一个公司治理与公司管理的整合分析模型。
公司治理系统由内部监控机制和外部监控机制组成。我国公司法确定阶“三会四权”制衡机制就是典型的内部监督机制。外部监控机制是指一股股东、资本市场、经理市场、产品市场、社会舆论和国家法律法规等外部力量对企业管理行为的监督。
公司管理系统在这里被描述成由三个部分组成：一是企业战略目标与决策系统；二是企业组织结构与组织管理系统；三是企业文化与价值系统。按照著名的麦肯齐企业管理系统的7—S框架（因素包括结构、战略、体制与程序、人员与班子、技能、作风。共同价值）来分析，上述第一和第二部分主要是硬件要素，第三部分主要是软件要素。从控制角度看，在公司管理系统中，决策体制、管理组织体制、管理规程与制度以及会计、审计系统等构成了公司管理的自我调控机制，对企业管理行为形成了内在的和制度化的约束。
模型中还有两个相关的系统。一是企业外部环境系统，这包括政治、经济、社会文化、顾客、供应商。竞争对手、资本市场等因素，它们既影响公司治理系统，又影响公司管理系统，还构成公司治理系统的一部分。二是公司信息网络。它应是公司治理系统和管理系统的共同组成部分和赖以有效运作的基础。强调这一点，对于我国企业现阶段在企业建立有效的治理机制是至关重要的，因为我国很多股份企业治理结构发挥不了作用，除了制度上的缺陷，本身能力差之外，再就是缺少支持有效决策和有效行动的信息。而这些信息常常是企业管理的自我调控系统，特别是会计和审计系统提供的。
三、会计信息系统与公司治理和管理系统
当现代经济已客观地表现为实体经济、货币经济和数字经济的三重世界时，现代企业中的管理信息网络很大程度上就是以数字形式表现出来的会计信息系统[3]。会计是企业管理活动的一部分，它产生于企业管理系统中，以管理当局的名义向外披露会计信息，并对其可靠性、真实性负责。会计亦是公司治理结构中不可或缺的组成部分，公司内、外部利益相关者只有根据会计信息了解并监督企业管理活动，进而作出相关决策。会计信息系统和公司治理和管理系统的关系具体分析如下：
公司治理系统由内部监控机制和外部监控机制组成。内部监控机制是主要股东①、董事会、监事会对企业经营者进行监控的机制。在一定情况下内部监控机制是公司治理的主体。它一方面利用企业管理当局披露的会计信息对企业管理者进行约束和激励。另一方面因为内部监控机制的特殊地位，它有义务保证企业的会计系统和审计系统向股东会、董事会、监事会及外界披露提供系统、及时、准确的会计信息。美国公司董事协会在描述董事会职责范围时就认为董事会在检查和监督企业内部管理控制工作方面的作用包括：“辨别董事会对信息的需求，并安排这些信息的.及时提供；每年对流向董事的信息进行评价，以确保这些信息的准确性。完整性和合理性。”
外部监控机制包括资本市场、产品市场和经理市场等外部力量对企业管理行为的监督。资本市场起着为通资金提供者和企业间的信息，在企业间配置资源的作用。资本市场上的决策者主要是中小股东和债权人，由于他们不直接监督经营者，因此要求公司向他们提供详细、可靠的财务数据，要求证券市场管理者制定公平交易规则，来规范会计信息的供给。而资本市场发挥作用的前提是企业积极地披露保留的信息，市场又能将企业披露的信息及时地反映出来实现对企业的正确评价。
产品市场对企业的监控是通过企业与供应商和顾客之间的“纵向竞争”来实现的。现代企业间既存在竞争又有相互协调。竞争性是产品市场发挥作用的前提。而社会化大生产又要求企业间相互协调合作，保持一种长期稳定的交易关系。在交易过程中，合作双方提出的条件常常会直接影响另一方企业的经营方针和管理方式的具体内容，因此双方都需要全面收集对方的经营状况信息，以决定合作的内容和方式。而这种所需要的经营状况信息很大一部分是来自于企业向外披露的会计信息。在有效的经理市场上，企业经理是一种特殊的人力资本，其价值取决于市场评价，市场评价的标准除了知识、经验以及城信度之外，还有一个关键因素就是经理任期内的经营绩效。
现代信息检索论文: 现代信息检索方法的探讨 要想充分利用这些浩如烟海的文献信息资源，必须借助各种各样的检索工具。同时，因特网信息资源的骤增及其异构性、动态性，不断给信息检索带来新的挑战。信息检索已成为现代社会信息化和各种应用的关键。如何更高层次的模拟、应用人脑的智能原理，从本质上变革信息资源检索方法，已成为现代化信息知识检索理论研究的热点。实践证明，将人工智能技术与信息技术结合，发挥人工智能的作用，是一条成功的经验。下面就知识检索与信息检索的关联和发展，作初步的探讨。 一、布尔检索 利用布尔逻辑算符进行检索词或代码的逻辑组配，是现代信息检索系统中最常用的一种方法。常用的布尔逻辑算符有三种，分别是逻辑或“OR”、逻辑与“AND”、逻辑非“NOT”。用这些逻辑算符将检索词组配构成检索提问式，计算机将根据提问式与系统中的记录进行匹配，当两者相符时则命中，并自动输出该文献记录。 下面以“计算机”和“文献检索”两个词来解释三种逻辑算符的含义。①“计算机”AND“文献检索”，表示查找文献内容中既含有“计算机”又含有“文献检索”词的文献。②“计算机”OR“文献检索”，表示查找文献内容中含有“计算机”或含有“文献检索”以及两词都包含的文献。③“计算机”NOT“文献检索”，表示查找文献内容中含有“计算机”而不含有“文献检索”的那部分文献。 检索中逻辑算符使用是最频繁的，对逻辑算符使用的技巧决定检索结果的满意程度。用布尔逻辑表达检索要求，除要掌握检索课题的相关因素外，还应在布尔算符对检索结果的影响方面引起注意。另外，对同一个布尔逻辑提问式来说，不同的运算次序会有不同的检索结果。布尔算符使用正确但不能达到应有检索效果的事情是很多的。 二、信息检索 信息检索起源于图书馆的参考咨询和文摘索引工作，从19世纪下半叶首先开始发展，至20世纪40年代，索引和检索已成为图书馆独立的工具和用户服务项目。 信息检索通常指文本信息检索，包括信息的存储、组织、表现、查询、存取等各个方面，其核心为文本信息的索引和检索。它是基于信息组织形式，如字符串、结构化数据库，应用信息处理方法，如排序数据查找、字符匹配，实现效率不高的检索。信息检索综合应用布尔检索方法和基于超链的检索技术，改进了基本检索功能，但缺点是对精确的提问不能给出精确的回答。从历史上看，信息检索经历了手工检索、计算机检索到目前网络化、智能化检索等多个发展阶段。 目前，信息检索已经发展到网络化和智能化的阶段。信息检索的对象从相对封闭、稳定一致、由独立数据库集中管理的信息内容扩展到开放、动态、更新快、分布广泛、管理松散的Web内容；信息检索的用户也由原来的情报专业人员扩展到包括商务人员、管理人员、教师学生、各专业人士等在内的普通大众，他们对信息检索从结果到方式提出了更高、更多样化的要求。适应网络化、智能化以及个性化的需要是目前信息检索技术发展的新趋势。 三、知识检索 知识检索的基本思想是，模拟扩展人类关于知识处理与利用的智能行为和认识思维方法，是充分利用在线图书馆和数字图书馆的文献信息资源的有利工具。例如：抽象思维方法，形象思维方法。知识检索具有明显的优势：①实现信息服务向知识服务的转化，向用户提供潜在内容知识，以及分析预测后的超前性领域成果或知识。②提供主动服务方式，自动优化用户需求，主动提供个性化检索。③面向用户，依据用户的需求及其变化，能灵活选择理想的检索策略和技术，并且将繁重的知识信息存取工作从用户移向了计算机。④综合应用各类知识和各种高效的智能技术，全面提高检索效率。 知识检索是综合应用信息管理科学人工智能认知科学及语言学等多学科的先进理论与技术，基于知识和知识组织，融合知识处理和多媒体信息处理等多种方法与技术，充分表达和优化用户需求，能高效存取所有媒体类型的知识源，并能准确精选用户需要的结果。
高校文献信息检索的必要性与有效方法论文
在学习、工作中，大家总免不了要接触或使用论文吧，论文可以推广经验，交流认识。如何写一篇有思想、有文采的论文呢？以下是我收集整理的高校文献信息检索的必要性与有效方法论文，希望能够帮助到大家。
摘要： 随着互联网信息、知识的不断更新，文献信息检索能力已经成为高校师生信息素养的重要内容，也是提高大学生学习能力和教师科研的重要手段，成为继续学习的重要工具。通过探讨文献信息检索的科学定义及高校信息检索的必要性，进而从文献信息检索流程角度提出高校文献信息检索的途径和策略。
关键词： 文献；信息检索；策略；
文献信息是巨大的社会财富，它伴随着社会的广泛进步而迅速更新和积累，在带给我们越来越便捷的同时，也必然给阅读、查找和充分利用信息带来一定困难。为解决庞大的科学文献和个人特定需求之间的矛盾，便产生了文献信息检索，文献信息的检索和利用已经发展成为一门专门的学科，高校信息检索能力已经成为高校师生信息素养的重要内容，也是提高大学生学习能力和教师科研的重要手段。
一、文献信息检索定义
“信息检索（Information Retrieval）”一词最早出现在20世纪50年代，有广义和狭义之分。
广义的信息检索是指将信息按一定的方式组织和存储起来，并根据信息用户的需要找出有关信息的过程和技术。也就是说，信息检索包括两个环节和内容：“存”和“取”。狭义的信息检索则专指信息检索过程中的第二个环节，即从信息集合中找出所需要信息的过程，也就是我们常说的信息检索、信息查找或信息搜索等术语。
信息检索按照检索对象的不同又可以分为文献检索、数据检索、事实检索。本文侧重于文献检索，即通过检索文献来获取所需要的信息、知识、情报[1]。
二、高校文献信息检索的必要性
（一）信息的多元化需要师生具备一定的信息评价和筛选能力
在当今互联网、信息化社会，人们无时无刻不在利用信息资源进行生产、生活和创新创造。但面对浩瀚的信息海洋，信息流和信息量越来越多、越来越大，人们进行检索和利用的困难也就越来越大。随着4G网络的覆盖和智能手机的普及，人们轻而易举就能接触各种各样的信息，各类门户网站、微博、微信、QQ等推送信息的常态化，一方面丰富了我们的日常生活，拓宽了我们的视野；另一方面也给我们对于浩瀚无垠的信息的过滤、评价、筛选和运用带来极大的挑战[2]。在纷繁复杂的信息洪流中，哪些是对我们有益的，哪些会给我们带来负面的影响，都要求我们具备一定的信息鉴别和评价的能力，需要我们具备较高的信息素养和信息处理能力。文献信息检索能力成为高校师生应掌握的基本学习技能之一，是继续学习的重要手段，在教学、学习、科研和生活方面发挥巨大作用。
（二）学校对学生的信息素养教育重视程度不够
早在20世纪70年代，联合国教科文组织就对“文盲”下了新的定义：在当今科学技术飞速发展的时代，文盲已不是不识字的人，而是不知道如何获取知识的人。我国国家教委要求，全国各大院校要全面普及开设文献信息检索课，这对大学生普及文献检索知识、提高信息素养、增强信息检索的兴趣、提高信息检索能力都具有十分重要的现实意义[3]。然而现状却是，全国各大高校开设的信息检索课程大部分是以选修课的形式存在，学生自愿选择，主要目的也就是为了修够学分，以这样的方式开展信息教育并不能取得理想的效果，这种重专业、轻信息素养的教育还普遍客观存在。
（三）信息检索助力高校科学研究
科学研究是高等学校重要职能之一，大学对整个社会的科技进步与发展起着重要引领与推动作用。现代科学技术的迅猛发展，各个学科的交叉和渗透一方面促使了新的学科不断涌现，源源不断地出现大量新的知识；另一方面，知识的老化和被淘汰的速度也会越来越快。作为高校科研人员，必须具备一定的信息素养，即敏锐的信息意识、发现高质量信息的能力、信息的选择和评价的能力以及如何正确地引用文献、尊重他人知识产权的能力。作为科学研究者，必须时时了解学科最前沿的动态，掌握最新的知识，这样才能研究出有价值的科研成果，而文献信息检索能力就是科学研究人员必不可少的要素之一。为了减少课题的重复研究，提高研究的成功率，科研人员在研究一项课题之前，必须要进行的相关的资料收集和文献检索。在确定选题之后同样要科学合理运用文献信息检索方法开展文献信息甄别筛选和运用，进行进一步研究，保障研究成果的承续性，进而推动科学研究向纵深发展。
三、高校文献信息检索的策略
（一）分析检索问题
在解决一个问题之前，我们首先要做的就是分析问题，对问题的分析是解决问题的关键所在。分析一个问题我们可以从如下几个方面考虑：首先，提问者是谁。同样一个问题，教师跟学生对内容的层次要求就不同；一个专业性的问题，高校专业教师和学生对问题的要求也会不同。其次，问题的性质。不同的问题对应不同的要求，如果我们对一个概念需要界定，或者需要查找与自己所撰写文章密切相关的文献，这时对概念的界定和对文献的检索就需要“准”。如果我们要做一个论文的选题的确定或者做一个项目的申报、企业新产品的开发，在做这些工作之前，我们需要对前人的研究成果做一个全面的普查，这类型的问题的要求就是“全”。再如，我们要了解某个领域的趋势前沿和最新进展，对这类问题的要求就是查找的资料必须要有新颖性，即“新”。再有，对一些技术性强的问题，如专利的申报、企业新产品的开发、某一项技术的引进等，对这类问题的检索要求是“细”。再次，学科和主题。如果只是单一的某一个学科或主题，那么只需要找到收录这个学科资源的数据库进行检索就可以。但是有很多跨学科领域研究的问题如果只是在一个数据库查找，就会造成资源的不全面。第四，资源类型。我们熟知的资源类型有学位论文、会议论文、期刊论文、图书、专利、标准等等，不同的资源类型收录的特点也不同，如内容的深度、系统性、时效性都不同，研究课题不同，对资源类型的要求也不同。第五，资源的范围。查找资料的时候往往对范围进行限定，范围包括时间范围、地域范围、语种范围等。
（二）选择合适的检索工具
分析检索问题之后，我们需要选择合适的检索工具。常用的检索工具有搜索引擎和商业数据库。搜索引擎它具有检索过程不收费、面向所有的终端用户、对用户检索水平要求较低等特点，常用的搜索引擎有谷歌、百度、搜狗、必应等。商业性数据库的特点有：第一，检索需要收费或者授权，高等学校一般都与相关商业数据库合作，校园网环境下一些商业数据库是可以免费使用的。第二，它们的功能和收录资源的范围有明确的定位，如只能检索专利信息的德温特专利创新索引、只能检索学位论文的ProQuest Digital Dissertations数据库、只能检索会议论文的CPCI、只收录世界上顶尖期刊论文的Web Of Sicence的三大引文索引数据库等。第三，这些数据库都有自己的一套检索技术，因此对用户的检索水平要求较高。除了上述的专业性数据库之外，还有一些因经常使用被我们熟知的综合性数据库，如中国知网、维普、万方等。
除了搜索引擎和商业数据库之外，还有一些其他可以免费获取资源的途径，如主题指南（导航）、数字图书馆、政府的网站（数据库）、电子预印本、博客、微博、机构知识库等途径。因此，我们只有熟知各个不同的检索工具以及它们的特色才能检索到不同的文献类型。 高校师生要立足本职工作和学习需要选取适合的文献信息检索工具，助力科学研究、日常教学和学习生活。
（三）抽取恰当的关键词
选取科学适当的检索工具后，下一步工作就是确定检索关键词。
首先，要确定研究问题有哪些核心关键词（Core Keywords），抽取核心关键词可以依据汉语主题词表，如查询表述具体事物名称的名词术语、事物的状态或现象的名词术语、科学分类的名词术语、研究方法、技术方法的名词术语、工艺方法、加工技术的名词术语、化学元素、化合物、金属材料与合金的名词术语、国家名称、地名、组织机构名称以及文献类型、文献载体的名词术语等。其次，为了保证查全率和查准率，应当注意这些核心关键词有无其他的表述方式，如同义词、近义词、与之相关的词、有无缩写形式或者全称形式、有无相关的组织机构、英文的单数复数形式等，如果有，分别检索。第三，避免用太泛的关键词，应选用专指性很强的关键词。例如，我们要检索计算机软件有关的视频资料，如果我们只输入“计算机操作视频”这样类似的检索式，当然也可以找到一些检索结果，但缺乏针对性。我们不妨直接明确输出我们要学习的.软件的名称，如“Powerpoint 视频”，这样检索出的结果的相关性就要高很多。第四，学会利用专业术语。不同的学科，他们的专业术语表述不同，如信息检索、克隆人、电子图书等都属于专业术语，对这些专业术语进行检索的时候，尽可能加上双引号进行精确检索，可以提高检索结果的相关度和准确度。
（四）构造检索式
确定几组关键词后，下一步工作就是要构造检索式。即要用一定的运算符号将这些关键词连接起来，形成具有一定意义的表达式，也叫检索提问表达式。构造检索式具有一定的专业性，这就需要依托信息检索课和上机课来实现，重点指导学生如何正确构造检索式。构造检索式，可以从以下几个方面考虑：首先要明确检索词之间的逻辑关系，用布尔逻辑运算符AND、OR、NOT将它们连接起来；然后需要考虑检索词之间的位置是否需要进行限定，如果需要则根据不同的检索工具使用一定的检索手段对检索词的位置进行限定；对于一些专有名词，是否需要作精确检索，如果需要则给检索词加上双引号；为了使检索结果更加精准，我们还需要把检索限制在某一个范围当中，比如限制在某个字段，语种、出版年、摘要、题名等不同的字段作一个限定，还有其他的各种限定，如文献类型、机构的域名的类型等等。当然，不同的检索工具可能有自己特有的语法用法，我们应当学会灵活应用和变通不同的检索方法和技巧。
（五）筛选检索结果
通过选取关键词、构造检索式进行检索后，会得到众多检索结果，但在众多的检索结果当中，并不是每一条都是我们所需要的，所以我们要对检索结果作一些筛选。首先，依据结果的相关度，我们得到的检索结果是否与我们要检索内容的主题相关，是否与我们所需要的信息内容的层次、深浅度相匹配；其次，要看作者，即要看作者的权威性和影响力，这直接影响到我们检索到的文献信息的质量，对于一些没有显示作者的网站来说就缺乏一定的严谨性；再次，要看检索结果的时效性，往往最新的观点、新的理论、新的解决方案都来源于最新发表的文献信息。另外，要合理判断检索信息的公正性、准确性，避免使用错误的、缺乏科学论证的文献资料，等等。
（六）调整检索策略
经过前面的检索步骤得出的检索结果当中，如果还是没有理想的检索结果，就需要调整检索策略。首先，当检索结果太少的时候，则需要扩大检索范围。比如看检索词是否有近义词、同义词、上位词，将这些检索词用布尔逻辑语OR来连接，可以很好的扩大检索范围。再如，利用宽容的检索方法检索，像英文单词中经常会有一部分相同的部分，那些可变换的部分就可以用截词检索代替。还有英文名词的单复数形式，如果我们要找“女性”的相关资料，只输入“woman”检索就会漏检很多，还应该对它的复数形式“women”也进行检索。还比如英文的缩写形式，比如我们要找“慕课”相关的文献，如果我们只是输入“慕课”就可能会漏掉相关重要信息，我们还应该用它的缩写形式去检索，输入“MOOC”或者它的英文全称“Massive Open Online Courses”，这样分别去检索才不会遗漏掉重要文献资料。如果是因为我们的限制太多导致检索结果太少，那么可以考虑去掉一两个限制。因为每一个检索工具收录的范围和内容有一定的侧重点和有限性，所以我们也可以考虑更换不同的检索工具进行检索。其次，当检索结果太多的时候，我们也应该采取一定的措施缩小检索范围。例如用布尔逻辑运算符AND和NOT连接检索词，用AND多加几个检索词进行限定，或者用NOT排除一些限定；使用检索词的下位词进行检索；对一些专有名称，专业术语加上引号进行精确检索也可以缩小检索范围，从而实现更精确地检索；对检索词加上一定的限制，如对它的时间、机构、网站、文献格式等进行一个限制；除此之外，我们还可以利用检索工具本身所具备的二次检索功能来筛选检索结果，从而缩小检索结果。
（七）求助专业人士
如果通过上述途径仍然不能取得理想的文献信息资料，我们可以通过一些掌握现代技术的、具有丰富科学研究经验的专业人士来获取我们想要的文献信息。例如，有很多图书馆的网站主页上都会有在线咨询的功能，我们可以通过在线咨询的服务功能从图书馆员那里获取文献信息资料。很多图书馆都开通了馆际互借的功能，通过馆际互借，我们可以共享很多成员馆的文献信息资源，而这些庞大且宝贵的文献信息资源经常会被老师们和学生们忽略掉。再如，我们还可以求助一些在线的问题回答类的网站，像百度知道、知乎等，还有国外比较权威的网站像AIIExperts等，通过询问这些网站上的一些权威专家，也可以为我们的学习和研究提供宝贵的意见。
总之，互联网是一个非常开放的空间，如果善于应用，我们不仅可以贡献自己的经验和智慧来为他人服务，我们也可以共享他人的智慧来为我们自己的研究和学习服务。
四、结语
信息检索的最终目的是通过解决各种各样的问题，进而提高学习和科学研究能力。正如美国文献家赫伯特所言：“知识的一半，是知道到哪里去寻找它。明日的文盲，不是不能阅读的人，而是缺乏检索能力的人。”互联网时代文献信息检索能力比文献信息本身更重要。来自美国的非盈利性机构“今日信息科学网站”的一份报告“Information Literacy A Skill for Life”也在呼吁互联网时代新的技能，即媒体与信息素养。由此看来，信息素养的培养不光适用于高校信息素养教育，同时也具有世界性的重要意义。文献信息知识伴随着社会的发展而迅速更新和积累，高校应强化对信息检索的指导，提高信息检索能力，助力高校教学和科学研究。
五、参考文献
[1]陈振标.文献信息检索、分析与应用[M].北京:海洋出版社,2016:19.
[2]陆和建,姜丰伟.新信息环境下高校信息检索课教学方式的优化策略[J].大学图书馆学报,2015(2):96—99,112.
[3]万爱群,杨红.浅谈开设《信息检索与利用》课程的必要性[J].广西质量监督导报,2007(6):105—118.