[目的/意义] 面向数据要素时代的人才培养紧迫需求，厘清“数据资源与数据智能”的核心内涵、学术定位和作为新兴本科专业的现实价值，为信息资源管理学科的转型、升级及本科专业建设提供理论参考与实践路径。 [方法/过程] 在系统回顾了“数据资源与数据智能”本科专业设置的缘由与推进过程之后，超越采集、加工、存储、检索、利用的传统框架，以实现或促进数据价值释放为内核，建立起“数据资源与数据智能”的专业基础与知识框架。将数据资源、数据智能、数据要素与数据价值的一、二、三次释放分别进行对应，阐明了3个概念的核心内涵及内在关系，并厘清其与DIKW模型的逻辑关联，首次从学理角度对“数据智能”给出了明确定义，揭示了人工智能在三次价值释放中的作用。最后，结合典型应用场域，通过具体案例进一步说明数据资源、数据智能、数据要素的对外赋能过程及现实价值。 [结果/结论] 提出数据智能是建立在数据资源之上融合数据与智能技术以实现系统化、智能化广义决策的能力体系。“数据资源与数据智能”专业以数据资源化及知识化与智能化为核心目标，以促进数据要素化为价值延伸，融合数据与智能技术，覆盖数据价值一、二、三次释放的全过程，弥补了当前人才培养的不足，是信息资源管理学科在数据时代实现转型的重要举措，亦是对国家数据要素战略的直接回应。
[目的/意义] 面向新文科建设与数字中国战略需求，阐释数据要素学科专业建设的内涵、路径及信息资源管理学科的支撑价值。 [方法/过程] 基于政策文本、学科演进和专业建设实践，采用阐释性分析方法，梳理数据要素人才培养的知识基础、能力结构与方式路径。 [结果/结论] 数据要素学科专业建设应围绕数据资源全生命周期治理和价值实现展开，依托信息资源管理学科长期聚焦开放数据治理、用户信息行为等场景的理论体系和实践经验，重点回应数字经济、数据产业和社会数字化转型的现实需求，培养具备数据资源基础、数智技术方法、治理制度理解、行业场景应用和国际交流能力的复合型数字人才，逐步在专业定位、课程体系、实践教学、产学研用协同和国际合作交流等方面形成系统路径，从而推动数据要素学科更好服务国家战略发展和中国特色哲学社会科学自主知识体系建构。
[目的/意义] 针对人工智能专利激增带来的审查压力及现有自动化分类稳定性不足、逻辑脱节等问题，本研究旨在构建一种融合审查逻辑与知识库驱动的专利层级化自动分类框架，通过显性编码审查逻辑，实现技术语义与IPC标准的精准对齐。 [方法/过程] 构建IPC分类标准库与知识库，建立层级化语义映射；采用“技术内容抽取→技术主题凝练→层级匹配映射”三阶段机制，利用DeepSeek-V3进行深度语义解构；结合独立匹配与自下向上层级映射策略，对人工智能领域专利进行“压力测试”与分类验证。 [结果/结论] 研究结果显示：最优融合策略在IPC部、大类、小类、大组、小组层级的准确率分别达到100%、97.32%、91.84%、86.48%和71.25%，均显著优于PatentBERT及直接使用LLM分类；消融实验进一步揭示了方案的“架构稳定性”：通过嵌入审查逻辑编码，成功将大语言模型的生成随机性限制在结构化的分类轨道内，实现了从“概率性语义对齐”向“确定性稳态推理”的范式转型。
[目的/意义] 响应《可信数据空间发展行动计划（2024—2028年）》国家战略，探索高校图书馆从传统文献服务向数据要素价值共创转型的可行路径，为高校图书馆深度融入国家数据基础设施提供理论参考与实践框架。 [方法/过程] 文章以该行动计划为指导，系统梳理了可信数据空间的核心特征、技术架构、业务活动与治理机制；并选取国内外案例，归纳高校图书馆融入可信数据空间建设的优势基础与能力缺口；在此基础上，从功能、服务、治理与价值4个维度探讨高校图书馆在可信数据空间战略背景下的转型逻辑。 [结果/结论] 围绕战略引领、技术支撑、数据治理、人才培育、服务创新、生态协同与价值平衡7个层面，设计了三阶段融合推进路线，构建高校图书馆融入可信数据空间建设的实践路径，以期为高校图书馆突破传统文献服务边界、激活数据要素潜能、深度参与国家数据基础设施与创新生态建设提供理论依据与实践参考。
[目的/意义] 随着数据规模的不断扩大、应用深度和广度的逐渐加强，数据质量问题成为数据要素潜力释放的重要瓶颈。本研究依托某市公共基础数据库（人口库与法人库）构建科学系统、可操作的数据质量评估体系，为相关部门开展数据质量提升实践提供借鉴和参考。 [方法/过程] 基于国内外数据质量评估相关研究，结合国家标准及地方数据特征，构建涵盖6个一级指标、17个二级指标和61个检测项的数据质量评估框架，综合采用自动化检测工具与人工校验相结合的方式，对该市102个数据集共1 367个数据项开展多维度质量评测。 [结果/结论] 评测结果显示，该市公共基础数据库建设总体情况较好，但仍存在数据编码错误、分类不规范、数据项缺失、主键缺少或重复、格式不一致、存在非法字符或异常值、数据延迟或断更等质量问题。据此，提出统一数据标准、构建全流程质量控制机制、强化技术平台支撑与实时监控、完善组织协同与制度保障等改进措施。
[目的/意义] 聚焦数字时代智慧图书馆可持续发展诉求，立足“数据要素-数字技术”双轮驱动视角，探究数字韧性的生成逻辑与提升路径，既可为完善智慧图书馆数字风险治理理论体系提供新维度，又能为破解数据碎片化、技术适配不足等现实困境、强化公共文化服务稳定性与效能提供实践方案。 [方法/过程] 系统解析数据要素与数字技术对智慧图书馆资源、服务、技术、组织维度的渗透影响，厘清双轮驱动与数字韧性的关联逻辑及运行机理，从数据要素价值释放与数字技术集群协同两个层面构建实践进路，并配套多维保障体系。 [结果/结论] 智慧图书馆数字韧性的核心在于动态适应与持续进化能力，数据要素通过构建多模态协同数据生态奠定韧性资源基座，数字技术依托集群协同形成全周期风险应对技术体系，二者深度协同推动数字韧性从风险抵御向价值创造跃升，实现双轮驱动与韧性建设的深度融合发展。
[目的/意义] 针对现有颠覆性技术识别方法中存在的类别分布不均衡与单一模型性能受限问题，在复现现有识别模型（使用单一XGBoost）的基础上，提出一种基于数据平衡与集成学习的优化模型。 [方法/过程] 采用SMOTE-ENN混合采样策略对训练集进行重构，在保留少数类代表性样本的同时有效剔除噪声数据，缓解类别不平衡对模型训练的干扰；随后，构建基于XGBoost、LightGBM、Extra Trees、SVM等多基学习器的Stacking集成学习架构，并以随机森林作为元学习器实现特征互补与性能集成，提升模型的整体识别能力。 [结果/结论] 实验结果表明，优化后的模型在Accuracy、Precision、Recall与F1等核心指标上较原始模型均有大幅提升，其中F1值从0.63显著提升至0.98，表明该方法在应对高维噪声与样本不均衡场景下具有良好的适应性与稳定性。本研究所提出的优化模型方案不仅有效提升了颠覆性技术识别的准确性与稳定性，也为面向不平衡数据场景的技术文本建模提供了可借鉴的思路。
[目的/意义] 本研究基于多模态资源画像，优化图书馆AI大模型取用策略，进而提升图书馆资源的利用效率和用户体验。 [方法/过程] 多模态资源画像通过整合文本、图像、音频和视频等多种信息形式形成全面的资源描述方案，为后续AI模型应用提供丰富的数据基础。 [结果/结论] 通过对用户行为数据的分析，引入了动态优化算法，根据用户的实时反馈不断调整推荐策略，来提高推荐的精准度和相关性。使用户能够理解推荐结果背后的逻辑，从而提升用户满意度。该方法在资源利用率和用户参与度方面均显著优于传统推荐系统。本研究对未来图书馆技术的发展奠定了基础，也为多模态资源画像的应用场景开拓了新的可能。
[目的/意义] 数字化转型为农业绿色发展提供了新的动力，农户数字素养在推动绿色生产与技术应用中发挥着关键作用。规模农户是农业生产的重要主体，其数字素养及对新质生产力的认知直接影响其绿色生产意愿。 [方法/过程] 研究以西北五省区352户农户为对象，通过访谈与问卷调查获取数据，基于扎根理论构建新质生产力感知量表，采用因子分析和回归模型检验数字素养、新质生产力感知与绿色生产意愿的关系，并考察数字化基础设施的调节作用。 [结果/结论] 研究发现，数字素养显著提升规模农户绿色生产意愿；劳动工具感知和劳动对象感知分别发挥部分中介作用，并共同形成链式中介效应。数字化基础设施显著增强数字素养对劳动工具感知的影响。基于此，提出提高农户数字能力、完善数字基础设施建设、促进绿色生产实践的政策建议。
