高校科研团队知识隐匿研究——基于知识共享激励视角

基于对中国高校科研团队的实地调研和考察,结合激励理论、社会偏好理论、互惠理论以及公平理论等多种理论,从激励的视角研究了知识隐匿与知识共享之间关系及其调节作用.文章运用投影寻踪法和层次回归分析法开展实证研究,研究发现:高校科研团队知识隐匿与知识共享自我效能呈现出显著的负相关关系,并且在考虑科研团队成员不同异质性的条件下,这一负相关关系具有高度的稳健性.在考虑到激励因子时,内部激励具有比外部激励更强的激励效果,即内部激励更有利于高校科研团队的知识共享.在调节效应方面,总体而言,激励能够抑制高校科研团队的知识隐匿行为,增强高校团队成员之间的知识共享自我效能.     

全球价值链视角下中国的FTA贸易伙伴选择-基于贸易增加值数据的分析

在全球价值链视角下,FTA数量的增长和层次的提升对中国的对外贸易和经济增长产生了怎样的影响?中国下一步应该如何选择FTA对象?文章基于ADBMRIO和OECDICIO的国别(地区)贸易增加值数据,通过拓展的贸易引力模型研究了FTA数量和FTA层次对中国贸易增加值的影响.研究表明:FTA的建立使中国与成员国(地区)之间的贸易自由化和便利化水平进一步提升;目前FTA对贸易增加值的作用仍然以广延边际为主,FTA深度对贸易增加值的集约拉动需要继续加深;与传统贸易活动相比,FTA在全球价值链活动中起到的作用更加突出.效应异质性研究发现:从全球价值链的视角来看,与较发达国家和地区建立FTA对中国对外贸易的拉动作用最大;FTA参与度较高以及2008年金融危机之后与中国建立FTA的国家和地区对中国全球价值链参与度和竞争力的提升有显著的帮助;与中国距离较近的国家和地区建立FTA有利于中国贸易增加值的提升,但随着科技的进步,地理距离在对外贸易中的影响正在逐渐下降.因此,中国应加快FTA的全球战略布局,在增加FTA数量的同时,加强FTA的深度建设,注重FTA贸易伙伴的多元化,在亚洲邻国的基础上,加快与世界主要经济体之间的FTA谈判步伐.     

组织模块化对研究型大学技术转移绩效的影响

技术转移是将社会科技资源转化为实体经济效益的重要途径。当前，我国研究型大学技术转移渠道不畅、技术转移绩效不高、大学科技成果成功产业化“最后一公里”问题凸显。基于现实需求和研究缺口，构建组织模块化对研究型大学技术转移绩效影响的理论模型。在此基础上，收集我国38所研究型大学样本数据，采用SPSS24.0和AMOS软件进行结构方程路径分析，论证和检验组织模块化对于研究型大学技术转移绩效的影响机制。结果表明：组织模块化对研究型大学技术转移绩效具有显著正向影响；技术创新能力在组织模块化与技术转移绩效之间起显著中介作用；知识共享的调节作用主要体现在组织模块化独立性、响应性与技术创新能力之间的关系上，其对组织模块分工性与技术创新能力关系的影响作用不显著。     

组织信息化环境下知识流动对组织创造力的影响

通过解析知识流动和组织信息化环境的内部构成，探究知识溢出/知识扩散、高管支持/ICT应用对组织创造力的差异性影响，以及不同组织信息化环境对知识流动与组织创造力关系的调节作用。利用信息化程度较高的企业数据，使用层级回归分析进行实证检验。结果表明：组织创造力受知识流动的正向影响，知识扩散对其的正向影响更强；组织信息化正向影响组织创造力，相比ICT应用，高管支持对组织创造力的正向影响更强；高管支持在知识溢出/知识扩散与组织创造力之间的正向调节作用显著；ICT应用对知识扩散与组织创造力的强化作用显著强于对知识溢出与组织创造力之间的调节作用。     

指向深度学习的古诗教学“四意识”——以部编版小学语文四年级上册第三单元《古诗三首》为例

深度学习是落实学科核心素养的重要途径,古诗教学是语文阅读中的重要组成部分。指向深度学习的古诗教学开展尤为迫切,要打破以往传统的教学方法,应具备四个意识即关联意识,转化意识,横纵意识和聚焦意识。     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

全球气候变化背景下低碳旅游研究进展及可视化分析

低碳旅游研究是气候变化背景下旅游研究的前沿问题和关键领域。以Web of Science核心合集、CSSCI及CSCD数据库中关于低碳旅游的文献为基础,利用CiteSpace软件、Alluvial Generator程序、Excel统计功能进行国内外低碳旅游研究的可视化分析。结果表明：国外低碳旅游研究起步时间早,始于系统外部与旅游业相互作用视角,以生态环境和工程技术学科为基础,主要为了解决“碳中和”等现实问题,已形成固定的区域性合作网络;国外研究以定量研究为基本范式,其关键文献全部围绕旅游碳排放的测算,且已经形成了较完善的减碳体系。而国内低碳旅游研究与国外的快速发展时期相吻合,是从旅游业可持续发展角度开展研究,依附于旅游及经管类学科,尚未形成固定的合作网络;国内研究在概念理论的定性研究方面优于国外,但整体研究视角较为单一且未形成完整体系,其关键文献包含基础概念、理论体系、碳排放测算、影响因素分析等诸多方面。     

航班计划优化研究概述

从航班计划优化的不同时间阶段分析,可以将航班计划优化分为航班计划静态编排优化、基于航班延误预测的航班计划动态反馈优化和基于机场协同决策(A-CDM)的航班计划动态调整角度三类;进而从航班时刻、机型指派、航班频率等编制环节分析了航班计划静态编排优化;随后利用延误波及预测与数据挖掘预测的优化方法分析了基于航班延误预测的航班计划动态反馈优化的相关研究。最后,根据航班计划优化复杂性分析,给出了航班计划优化的发展趋势和未来研究方向。