关键词： 高职院校   大学生画像   思想政治教育   大数据   创新应用  

摘要： 新时代大学生画像是高校思想政治工作与大数据、人工智能等现代信息技术深度融合的产物,是推动思政工作提质增效、高质量发展的必由之路.立足新时代高职教育发展需求,深入分析了学生画像在高职思政工作中的重要意义与价值潜力.

摘要： 近日,工业和信息化部、财政部、国家数据局联合印发《新材料大数据中心总体建设方案》(以下简称《建设方案》),计划到2027年,搭建形成"1+N"(1个中心主平台、N个数据资源节点)的新材料大数据中心架构体系,形成30个以上数据资源节点、30项以上材料大数据算法软件和工具、20种以上典型关键材料和产品的数据赋能应用示范;到2035年,新材料大数据中心体系全面建成并稳定运行,数据规模进入国际第一梯队.

关键词： 高职学生   思想动态   数据挖掘  

摘要： 网络社交媒体记录着高职学生大量的言行数据,云计算、大数据、人工智能等信息技术的快速发展与广泛运用,为研究高职学生思想动态提供了新的技术方法.特别是运用大数据挖掘技术进行高职院校学生思想动态研究,有助于提高高职学生思想动态研究的广泛性、精准性.本次工作探讨了根据动态指标体系进行线上线下数据采集,搜集关于高职学生思想动态研究的相关成果,建立高职学生思想动态评价指标体系的方法.研究发现利用训练好的模型从目标文本中提取实体及相应的关系进行整理,构建基于自然语言处理(NLP)的长短期记忆人工神经网络(LSTMs)模型.对大数据集进行分析,有助于揭示高职学生思想动态的变化趋势和模式.

关键词： 环境工程学   大数据分析   内河船舶   船舶污染物   量产生标准  

摘要： 随着我国对于生态文明建设的日益重视，内河船舶水污染物开始进入“零排放”时代。为了准确地掌握内河船舶污染物量产生标准，研究基于长江干线水污染物联合监管与服务信息系统（“船E行”系统）大数据，针对长江内河主力货运船舶（干散货船、集装箱船、液货船）的典型船舶污染物（船舶垃圾、船舶生活污水和含油污水）产生量展开探讨。采用滑动窗口法和95%置信区间法，确立污染物产生量的推荐标准，并通过实船数据的对比分析，进一步表明了所提出标准的合理性和准确性。研究结果有助于完善相关标准规范，加强船舶污染物监管。

关键词： 换道意图识别   Transformer   全连接神经网络   支持向量机   决策树   网联车辆  

摘要： 换道意图的准确识别对于自动驾驶车辆的安全行驶有着重要作用。为实现对周围车辆换道意图的准确识别，本文提出基于支持向量机、全连接神经网络、决策树和Transformer模型的四种换道意图识别方法，并利用High D轨迹数据集进行训练和评估，选择目标车辆的速度、加速度、车头间距等作为输入，换道意图作为输出。设计三种输入组合：不考虑横向运动（组合1）、包含纵向加速度（组合2）、综合横纵向运动及车间交互（组合3）。结果显示，全连接神经网络在三种组合下表现最佳，组合3的准确率达99.7%；决策树在召回率方面表现优异，平均召回率99.5%；支持向量机的鲁棒性较高，平均指标98.48%；而Transformer模型表现欠佳，平均准确率87.1%，但识别性能随输入信息增加而改善。

关键词： 科技人才   人才评价   数据画像   大数据   生成式人工智能   人才生态  

摘要： 在全球科技创新竞争加剧的背景下，科技人才的评价与管理成为国家战略布局的核心。传统科技人才评价过于侧重量化指标，忽视了科技创新活动中非显性知识和个体智力贡献的重要性，难以全景展现当代“后学科科学”时代科技人才的多重属性。本文系统性分析了科技人才概念内涵和分类框架的理论变迁，揭示了科技人才的复杂性、交叉性和动态发展特征，为改进科技人才评价体系提供了分析基础。随后聚焦于大数据和生成式人工智能等新兴技术在科技人才洞察分析中的创新应用，提出构建立体化、动态化和个体化的科技人才数据画像，融合结构化数据、非结构化数据和关系数据，应用生成式人工智能构建面向科技人才画像生成的端到端建模框架。此外，研究探讨了科技人才画像优化跨圈层人才匹配与流动的机制，强调了构建开放、互联的科技人才生态系统的重要性。通过分析生成式AI驱动的科技人才画像对跨圈层人才流动的影响，提出了运用科技人才画像促进科技人才跨界合作、知识融合的机制路径，以促进科技创新的生态均衡发展。