發布時間：2023-06-02 15:11:15
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的人工智能調研論文樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
關鍵詞：智能科學與技術；課程體系；培養管理
1背景
智能科學與技術是當前科學研究和工程實踐的理論與技術發展的前沿領域，智能科學與技術專業是一個多學科交叉的跨應用領域專業Ⅲ。智能科學技術的發展將把整個信息科學技術推向“智能化”的高度，這正是當代科學技術發展的大趨勢，對于這方面人才的需求也越來越迫切。智能科學與技術培養掌握堅實智能科學與技術基本理論和系統專門知識，具備作為工程師或領導者及公民的良好人文修養，具有從事科學研究、工程設計、教學工作或獨立擔負本專業技術工作能力，深入了解國內外智能科學與技術領域新技術和發展動向，能結合與本學科有關的實際問題進行創新研究或工程設計的高級專門人才。
高校應穩妥發展與完善智能科學與技術專業的本科生教育，夯實本科教育基礎并積極創造條件，大力開展創新教學，努力培養學生的創新意識、創新精神和工程實踐能力，使之成為具有系統技術基礎理論、專業知識和基本技能，良好科研素質和較強創造能力的智能科學與技術工程師。
2教學計劃與教學管理分析
智能科學與技術屬于計算機類專業，其必修課程設計原則是使學生具備計算機科學與工程的基礎理論知識，尤其是大類專業招生教學的院校，通識課程主要是數學、物理文化基礎，強調扎實的自然科學基礎。專業教學的特色體現在專業必修和專業選修課程，專業必修課一般分為數學基礎和專業課程。計算機類專業數學基礎課程一般包括線性代數、微積分、離散數學、微分方程、概率與統計、數值計算等；專業課程一般包括程序設計基礎、高等程序設計、數據結構、操作系統、計算機組成與結構、數字電路與邏輯設計等。
2.1學分
本科培養計劃的學分中，國內外大學學分總數趨勢是逐步減少，追求少而精。國內院校一般在130～190學分之間，如北京大學為150學分，清華大學為1 70學分，東南大學與浙江大學均為160學分，還有16學時為1學分的，也有18學時為1學分的。
中國臺灣的大學一般在130學分左右。臺灣交通大學最低畢業學分為128學分，其中必修課程須達76學分（共同必修58學分+資工組核心須達分+（資工組副核心課程學分+另2組核心課程學分）），專業選修本系課程須達12學分，其他選修課程須達12學分，通識課程須達28學分（含外語課程必修8學分）。臺灣“中央大學”為136學分，臺灣“清華大學”為136學分，其中必修和必選學分126，其他與導師商量決定。
美國的大學各校差異較大。美國的學分計算有4學期制、兩長一短制及兩學期制，其中加州大學伯克利分校為120學分，麻省理工大學為90學分，加州大學洛杉磯分校為186學分，斯坦福大學為180學分。
2.2教學管理
在教學管理上，斯坦福大學給學生提供了非常寬松的自由發展空間。新生入校后不分專業、不分學院。除了醫學院和法學院學生需要經過一定的選拔程序外，本科生可以在入學后的前一個學期適當時候隨意選擇專業，并且選擇專業后允許更改，只要畢業時滿足專業培養方案即可。
國內的浙江大學是較早實行按大類招生的學校之一，分為大類培養、專業培養和特殊培養3類，前兩年不分專業，按學科分類集中培養。
臺灣的大學專業也是按大類完成前期的基礎課程，再分小專業完成各學程，包括基礎課、核心課和進階課。
教學分組是現在的主流課程架構，也是體現專業方向的主要形式，分組課程是體現專業特色的課程組。國內清華大學采用的是分組教學；臺灣的大學基本上采用的是以教學方向分組的方式，臺灣的大學教學分為課程與修業、學分學程。
2.3實驗與實踐教學
計算機類專業各大院校都強調課程實驗與實驗教學，而目前課程該如何進行教學？這不僅是實驗問題，如何以工程教育專業論證為目標，怎樣使教學目標達到畢業要求是關鍵。做中學是主流實驗教學方式，尤其是美國的大學，大作業體現的是實驗與理論教學的結合，是考查學生是否理解理論知識的重要途徑。學生不僅能夠學習扎實的數學和計算機專業知識，還進行大量的實踐創新訓練。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校、斯坦福大學都屬于實踐創新性教學模式。例如，斯坦福大學程序設計范式課程重點比較C、C++、Java的特點和難點，每1～2周有一次大作業，針對不同的任務，要求學生用不同的語言實現，使學生加深理解各類編程語言的應用場合；麻省理工大學的課程計劃是必須先修12學分的實驗課程，再修3門或4門核心課程，最后選擇3門方向學科和1門關于該方向的實驗課、2門專業拓展課。
3智能科學與技術課程體系分析
智能科學與技術課程體系在智能基礎理論研究的基礎上，需要安排基礎性、通用性、關鍵性的智能技術研究，主要包括感知技術和信息融合技術；自然語言處理與理解技術；知識處理（認識）技術，包括知識提煉、知識分類、知識表示技術等；機器學習技術，特別是統計與規則相結合的學習技術；決策技術，即知識演繹技術特別是不確定推理技術等；策略執行技術，即控制與調節技術；智能機器人技術，特別是面向專門領域的智能機器人技術；智能機器人之間的合作技術；基于自然語言理解的智能人機交互與合作技術；智能信息網絡技術。
國內最早創辦智能科學與技術專業的學校包括北京大學，西安電子科技大學是第2批開始培養智能專業學生的院校。北京大學的本科教學計劃中，專業必修課程（2分）包括：①專業數學/理論基礎（15學分）：算法分析與設計、集合論與圖論、概率統計A、代數結構與組合數學、數理邏輯；②硬件與系統基礎（分）：數字邏輯設計、微機原理和信號與系統；③智能基礎（5學分）：腦與認知科學與人工智能基礎。專業限選課程（15學分）包括信息論基礎、計算方法B、數字邏輯設計實驗、微機實驗、數據結構與算法實習、機器感知和智能處理實驗、智能多媒體信息系統實驗。選修組合課程（29～32學分）：學生按照自己的興趣，參考智能的2個專業方向推薦專業課組合，自行選擇，至少選修20學分的智能專業課程。公共核心+專業方向+新技術及其他：①公共核心課程（分）：智能科學技術導論、模式識別基礎、生物信息處理、智能信息處理；②專業方向課程（11～15學分）：機器感知與智能機器人方向、智能信息處理與機器學習方向、新技術及其他。
西安電子科技大學智能專業主要課程包括電路分析理論、信號與系統、數字信號處理、數字電路及邏輯設計、模擬電子技術基礎、微機原理與系統設計、數據結構、軟件工程、人工智能概論、算法設計與分析、最優化理論與方法、機器學習、計算智能導論、模式識別、圖像理解與計算機視覺、智能傳感技術、移動通信與智能技術、智能控制導論、智能數據挖掘、網絡信息檢索、智能系統平臺專業實驗等課程及30多門選修課程。
建議各學校可以根據學院教學特色與實際需求，設計專業核心課程。北京大學偏重“信息處理”，湖南大學偏重“智能系統”，但需要強調的一個前提就是智能科學與技術專業屬于大計算機類，更需要大EECS專業的基礎。編程、電路、數學、數據結構、計算機系統這五大核心基礎就是大EECS；其次是專業，計算機以系統結構、操作系統、網絡、編譯、數據庫五大經典專業核心課為主，湖南大學的智能科學與技術專業強調系統，因此信號與系統、操作系統、嵌入式系統、人工智能是最基本的專業核心課，然后再分不同的分支。湖南大學智能科學與技術專業核心課程包括人工智能概論、機器學習、計算智能導論、模式識別、智能控制導論、智能數據挖掘、機器人學等；研究學位課程包括模式識別、人工智能等，主要體現為智能科學與技術基礎（人工智能概論、機器學習、計算智能導論、模式識別）、核心（智能控制導論、智能數據挖掘）和應用（機器人學）。
4結語
（1）在課程計劃實施過程中，教師需要遵循課程的時序圖，即描述課程的進階關系，從本科直到研究生，同時還可以實行一定的修課限制，如臺灣交通大學計算機概論與程式設計和面向對象程式設計兩科皆不及格者不得修數據結構與算法概論，若數據結構不及格不能修算法設計課程等。
（2）程序設計類課程用上機程序能力考試來設置合格條件，如臺灣交通大學基礎程式設計及格條件為通過“程式能力鑒定”，湖南大學則以CCF―CSP軟件能力測試作為程序設計課程通過的考核標準。
（3）鼓勵學生參與項目、競賽等課外科技活動，如臺灣“清華大學”的綜合論文訓練是由具有同等水平的項目訓練成果或SRT（student research training）計劃項目以及其他課外科技活動成果經認定后代替的。
（4）精煉的課程教學。核心課程應該精且必須加強課程實驗，只有對方法和理論有正確的認識才能掌握這門課程，而動手完成實驗才能真正融會貫通。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校的學生具備扎實的數學和計算機專業知識后，都需要進行大量的實踐創新訓練。
一、管理會計課程的特點
管理會計是會計學專業的核心課程之一，該課程一般在基礎會計、中級財務會計、成本會計課程的學習基礎上開設。教學內容主要包括戰略、預算、成本、營運、投融資、績效等管理，教學方法一般采用理論講述、案例分析等，教學學時一般50學時左右，教學采用“多媒體+傳統”方式。該門課程與財務會計相比具有四個特點。（一）以財務會計提供的會計信息為基礎。財務會計通過特有的確認、計量、記錄、報告等方法程序，提供決策有用的會計信息。管理會計正是利用這些信息，進一步加工，用于組織的預測決策、規劃控制等方面，以實現組織的價值增值為目標。技術方法用到較多復雜的數學計算，如回歸模型、指數平滑、方案評價指標等。與財務會計相比，都是比較復雜的數學計算，學生只有具備相應的數學基礎，方能學好。（二）將管理理論和思想融于會計。管理會計是管理學與會計學的交叉，在會計中融入了管理的理論和思想、理念。通過不同方案、不同指標的對比（靜態的指標如投資回收期；動態指標如凈現值、內部收益率等），幫助企業選擇最優的方案，這是管理會計決策部分的主要內容。（三）方法程序靈活多樣。管理會計是為企事業單位內部管理服務的，嚴格的會計準則、財務程序并不完全適用于管理會計，管理會計的方法、程序、工具，靈活多樣，可以交叉使用，也可單獨使用。
二、管理會計指引的實施有助于促進管理會計的發展
（一）管理會計指引的作用。為促進企業和行政事業單位加強管理會計工作，提升內部管理水平，促進經濟轉型升級，2014年財政部《關于全面推進管理會計體系建設的指導意見》（財會[2014]27號）；2016年6月財政部《管理會計基本指引》，一系列文件的頒布實施改變了管理會計缺乏“規范”的局面。管理會計指引是從政府層面提出的應用管理會計的指示和引導，具有感召力和強制性，有助于促進單位充分利用管理會計的工具方法，提高管理水平，從而增強競爭力。（二）管理會計指引體系構成。管理會計指引體系包括基本指引、應用指引和案例庫。基本指引、應用指引與案例，是管理會計龍頭上的眼睛（于增彪，2016），用以指導組織管理會計實踐。其中，基本指引在管理會計指引體系中起統領作用，是制定應用指引和建設案例庫的基礎，而應用指引則是對具體業務活動的詳細要求，它們之間的關系類似于會計的總分類賬戶與明細分類賬戶。《管理會計基本指引》全文共6章29條，包括制定的目的、應用原則與應用環境、管理會計活動、工具方法、信息報告等。該指引在遵循戰略導向、融合性、適應性、成本效益等原則的基礎上，借助內外部環境因素，其中內部環境主要包括與管理會計建設和實施相關的價值創造模式、組織架構、管理模式、資源保障、信息系統等因素；外部環境主要包括國內外經濟、市場、法律、行業等，通過規劃、決策、控制、評價等管理會計活動的運作，運用戰略地圖、滾動預算管理、作業成本管理、本量利分析、平衡計分卡等模型、技術、流程等工具方法，進行戰略、預算、成本、營運、投融資、績效、風險等管理，提供具有相關、可靠、及時、可理解性的會計信息質量特征的財務信息和非財務信息，并進行定期和不定期、綜合和專項報告，最終提高管理水平。之后，陸續實施22項《管理會計應用指引》，見下表。管理會計應用指引，是對單位實施管理會計工作的具體要求，具有指導性和較強的操作性。20世紀90年代后，河北邯鄲鋼鐵公司實行的“模擬市場，成本否決”可謂成本管理在我國企業應用的典范。管理會計應用指引的設計以企業戰略、預算、成本、營運、投融資、績效、風險等七大領域的管理為依據，每一領域都有各自適用的管理會計工具方法。
三、互聯網、人工智能在財務領域的應用給管理會計帶來新的發展機遇
管理也是生產力。電子計算機在會計中的廣泛應用，大大提高了會計核算工作效率。從會計憑證制作、記賬到會計報表形成，計算機都能在程序語言的基礎上全部完成，且快速準確，這樣會計核算人員的需求數量相應的減少。更多的會計核算人員可以轉崗從事管理會計工作，分析、重整財務數據，為決策提供依據。人工智能用于財務領域，一些程序化、重復性的工作，可以由智能機器人完成，會計人員可以從重復的、繁瑣的工作中解脫出來；通過云計算處理財務數據，提高財務數據效能。這些新的技術在財務領域的應用，使會計工作重心發生轉移，會計人員可以將精力用于開發思想、管理創新、提高組織管理效率，真正實現由核算型會計向管理型會計的轉變，這為管理會計提供了新的發展機遇。
四、順應新技術時代，改革管理會計課程教學
經濟發展靠人才，培養人才靠教育。管理會計的廣泛應用，必須培養管理會計專業人才。而管理會計人才的搖籃主要是高校會計學專業。因此，應該與時俱進，從培養方案修訂做起，通過優化大綱、改進教學方法、提升師資水平、拓寬教學資源等，探索新技術時代背景下的管理會計教學改革，培養優質的管理會計人才，促進管理會計應用。（一）師資培訓與提高。從高校會計學教學實踐看，管理會計師資相對緊缺。許多高校雖然開設了會計專業，但大部分是財務管理、財務會計、稅收、會計電算化等方向，管理會計的師資儲備并不充足。管理會計課程“管理”的特點，也對管理會計教師提出了更高的要求，不僅要精通財務會計，還要具備較豐富的管理學知識、高等數學的知識等。尤其現在的互聯網、云計算、大數據等，一方面為管理會計的發展提供了契機，另一方面也需要培養具備相關知識的管理會計教師。建議通過培訓、專業跨轉等形式，提高、充實管理會計師資，以滿足新技術時代管理會計發展對師資的要求。（二）修訂培養方案。培養方案是人才培養的綱領性文件，具有目標導向性。針對計算機、互聯網、人工智能等新的技術環境，要充分調研兄弟院校的教學現狀，實時修訂培養方案。在新的培養方案中，突出管理會計的重要地位，整個培養方案的重心由會計核算型向管理型轉移。聘請業內專家，對初步擬定的培養方案進行論證，并注意吸收來自會計實務界、畢業生等方面的意見或建議，不斷優化完善。（三）削減財務會計的課程及學時。一般會計學專業的培養方案中，涉及財務會計的課程包括基礎會計、中級財務會計、高級財務會計、稅務會計、成本會計、政府及非營利組織會計。這些課程都是利用確認、計量、記錄、報告等會計特有的程序，用借貸記賬法記賬，實現會計核算的職能。它們之間的差異僅僅是核算具體內容的區別，其所用的會計基本理論和方法是一致的。只要學生掌握了會計的程序和方法，就能很容易通過自學擴展不同領域的會計核算問題。筆者認為，完全可以合并或刪掉某門課程，如將中級、高級財務會計、稅務會計合并為財務會計，在基礎會計學習的基礎上開設。（四）增加管理會計的課時或增加相關課程。因國家對高校培養方案總學時有明確限定，現在總的趨勢是壓縮專業課比重。因此，在總學時數一定的情況下，壓縮的財務會計的課時，可以用來增加管理會計的比重。通過增加管理會計課程的學時，加大案例教學、辯論式教學比重，剖析管理會計應用的成功案例及失敗的教訓，提升管理會計教學的深度和廣度，開發學生的思維空間，培養創新思維及創新能力，提高其分析解決問題的能力，更好地服務于管理會計實踐。（五）優化教學大綱。依據所修訂的培養方案，撰寫課程教學大綱。教學大綱應包括課程簡介和課程教學大綱兩部分。課程簡介部分重在說明課程的類別、學時數、先修課程、所用教材、課程主要內容、參考文獻及網絡資源等參考資料，起到總括認識該門課程的作用。課程教學大綱主要包括課程的性質及任務課程、與其他課程的聯系及分工、課程教學內容、學時分配表、教學基本要求、成績考核說明等。課程內容應該按照章、節、問題等，盡量細化，并明確教學目的與要求、重點與難點，以便于課程的講授。課程的考核應該明確具體，包括考試成績、論文、案例分析等作業所占比重等。明確課程的主要參考書及網站，以便于學生課外研習。（六）選用優質教材、拓展學習資源。教材是教學的主要參考書，對學生的影響至關重要。應該優先選擇國家精品課程教材、國家級規劃教材。注意選擇與管理會計課程、教材相適應的參考教材，促進學生從不同層面、不同視角對所學管理會計理論知識的掌握。避免因某種利益關系而選用質量低劣的管理會計教材。同時，借助主流網站，充分利用網絡資源拓展管理會計課程的學習。如通過大中型企業的網站，查閱其管理會計實踐做法，用所學理論分析、驗證、反思企業管理會計實踐。通過中國會計學會管理會計專業委員會網站，學習了解管理會計的學術前沿與管理會計面臨的新問題，培養學生科學研究的思維及創新能力。通過瀏覽會計專業期刊網站，搜索研究有關管理會計論文，從中吸收管理會計思想和實踐的營養，提高管理會計理論水平和實務能力。（七）教學方法與手段。以中國人民大學國家級優秀教材《管理會計學》（第七版）為例，管理會計課程內容主要包括變動成本法、本量利分析、經營決策、存貨決策、投資決策、標準成本法、作業成本法、全面預算管理、業績考核與評價。既包括管理會計的方法，也包括預測決策、規劃控制與業績評價，這些內容要求管理會計應采用多種教學方法，既包括對理論部分的教師講述，還應該包括案例教學、討論式教學、參與式教學等多種方法。案例教學要求教師通過案例內容的陳述與分析，將需要學生掌握的知識點、管理會計理論融入其中，提高學習興趣，增強實踐感知性。案例的來源可以多樣化，可以選用中國管理案例庫、期刊雜志中的案例等；也可以因地制宜，對案例進行修改，以便符合教學需要；條件成熟時，還可以利用寒暑假或與企業合作課題等機會，深入企業實際，自行編寫具有自主知識產權的案例。這些案例，既是教材內容的補充和延伸，又能激發學生的學習熱情。培養方案修訂、學時的增加，使得類似“咖啡屋”、小組討論、案例教學等方法成為可能。教學手段則可以根據內容，采用傳統方法與多媒體相結合，（八）網絡資源的學習引導。現在網絡無處不在，網絡資源豐富。在上述學習的基礎上，教師可引導學生積極利用網絡資源學習，如微課、慕課等，作為課堂學習的補充。中國會計學會、中華會計網校、各種期刊雜志網站、各級財政部門關于會計師職稱考試網、大中型企事業單位網站、教育中介機構網站、大學精品課程與在線課程網站等，都具有豐富的管理會計學習資源。只要愿意學習，總能找到學習資源。互聯網時代的學習，渠道和獲取資料來源已經做到充分多元化。
五、結語
管理會計是價值創造的信息系統，國家要強大必須要有強大的企業，企業要強大必須要用管理會計（于增彪，2016），但管理會計是我國的短板（樓繼偉，2016）。互聯網、大數據、云計算、人工智能等現代新技術，為管理會計的發展提供了新的發展機遇。管理會計指引的實施為管理會計的實踐提供了政策支持，這也給管理會計課程教學提出了新的、更高的要求。管理會計案例作為管理會計指引體系的構成部分，新技術時代的案例還相對匱乏。制作、編寫新的管理會計案例的過程也是促進管理會計課程教學改革的過程，實現管理會計由“短板”到“升級版”的跨越，逐漸滿足我國管理會計的需求（于增彪，2017），管理會計任重而道遠。
參考文獻：
[1]孫茂竹，文光偉，楊萬貴.管理會計學[M].北京：中國人民大學出版社（第七版），2015.
理性選擇理論對行為主體“認知”問題的學術處理，從“經濟人”到“理性經濟人”并沒有顯著的變化。古典經濟學框架下的理性選擇理論以完全信息假設為前提，將行為主體（個人）界定為無本質差異和不涉及個體間行為互動，不受認知約束的單純追求自身福利的“經濟人”（約翰·伊特韋爾等，1996）。新古典經濟學的理性選擇理論將行為主體界定為“理性經濟人”，它同樣以完全信息假設為前提，研究了被古典經濟學忽略的選擇偏好，通過對“偏好的內在一致性”的解析，論證了個體能夠得知選擇結果的抽象認知(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954)。這里所說的抽象認知，是指行為主體沒有經歷具體認知過程而直接關聯于效用函數的一種認知狀態，這種狀態在新古典理性選擇理論中的存在，表明“認知”是被作為外生變量處理的。
現代經濟學的理性選擇理論開始嘗試將“認知”作為內生變量來研究。現代主流經濟學從人的有限計算能力、感知、意志、記憶和自控能力等方面研究了認知形成及其約束（Salvatore， 1999；Schandler，2006；Rubinstein，2007），認為認知是介于偏好與效用之間，從而在理論研究上處于不可逾越的位置，只有對認知進行研究，對偏好和效用的研究才能接近實際。現代非主流經濟學注重于運用認知心理學來研究人的認知形成及其約束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通過實驗揭示了一些反映認知心理進而影響選擇行為的情景，如確定性效應、錨定效應、從眾行為、框架依賴、信息存疊等，以論證傳統理論忽視認知分析而出現的理論與實際之間的系統性偏差。
但是，經濟學理性選擇理論對認知的分析和研究，是在預先設定規則的建構理性框架內進行理論演繹和推理的，它們對認知的解釋，通常表現為一種規則遵循。例如，新古典理性選擇理論關注個體應怎樣符合理性（最大化）的選擇，而不是關注個體的實際選擇，它對認知的學術處理是從屬于效用最大化的（Harsanyi，1977）。現性選擇理論所關注的，或是在忽略認知的基礎上建立解釋和預測實際選擇的理性模型來說明實現效用最大化的條件，以闡釋個體如何選擇才符合理性（Edgeworth，1981）；或是通過行為和心理實驗來解說實際選擇的條件配置，以揭示實際選擇的效用函數（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而對認知的學術處理同樣是從屬于效用最大化的。基于選擇的結果是效用，而認知與偏好都內蘊著效用形成的原因，我們可以認為，經濟學在將個人追求效用最大化視為公理的同時，也在相當大的程度上表明理性選擇理論對效用函數的描述和論證，不是依據數據分析而是一種通過理論預設、判斷和推理得出的因果思維模式。
因果思維模式在信息完全和不完全情況下的效應是不同的。在信息不完全狀態下，如果研究者以信息完全預設為分析前提，依據自己掌握的部分信息對問題研究做出因果邏輯判斷和推論，則其不一定能得到正確的認知。在信息完全狀態下，研究者不需要有預設的分析假設，也不需要依賴邏輯判斷和推論，而是可以通過數據高概率地獲取正確的認知。經濟學的信息完全假設對認知研究的影響是廣泛而深刻的。例如，新古典經濟學假設選擇者擁有完全信息，能夠實現效用最大化，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是通過可稱之為屬于該理論之亞層級預設的“給定條件約束”實現的（信息完全假設是第一層級預設）。在該理論中，偏好被規定為是一種處于二元化的非此即彼狀態，認知在“選擇者知曉選擇結果（效用）”這一亞層級預設下被跳越。很明顯，這種因果思維模式有助于使其建立精美的理性選擇理論體系，但由于沒有對認知階段作出分析，它很容易嚴重偏離實際。
現代主流經濟學的理性選擇理論偏離現實的程度有所降低，原因在于開始重視認知的研究。半個多世紀以來的經濟理論研究文獻表明，現代主流經濟學的理性選擇理論正在做逐步放棄完全信息假設的努力，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是在質疑和批評新古典經濟學偏好穩定學說的基礎是進行的，該理論用不穩定偏好取代偏好的內在一致性，解說了認知的不確定性，以及不完全信息和心理活動變動等如何對認知形成約束，以此質疑和批評新古典經濟學的期望效用函數理論，并結合認知分析對個體選擇的效用期望展開了深入的討論。相對于新古典經濟學的理性選擇理論，雖然現代主流經濟學的理性選擇理論仍然是因果思維模式，但它有關偏好與認知以及認知與效用之因果鏈的分析銜接，明顯逼近了實際。
現代非主流經濟學的理性選擇理論不僅徹底放棄了完全信息假設，而且徹底放棄了主流經濟學中隱性存在的屬于新古典理論的某些“給定條件約束”。具體地講，它對偏好與認知以及認知與效用之間因果關系的論證，不是基于純理論層次的邏輯分析，而是從實驗過程及其結果對這些因果關系做出解說。至于效用最大化，該理論則認為認知與效用最大化的關聯，并不像先前理論描述的那樣存在直接的因果關系。現代非主流理性選擇理論通過實驗得出一個試圖取代傳統效用函數的價值函數（Kahneman and Tversky，1979），該函數體現了一種以實驗為分析底蘊的不同于先前理論的因果思維模式，開啟了以實驗數據作為解析因果關聯的理論分析先河。但由于現代非主流理性選擇理論畢竟還是一種因果思維模式，因而同先前理論一樣，在理論建構上它仍然具有局限性。
從理論與實踐的聯系看，經濟學理性選擇理論的因果思維模式之所以具有局限性，乃是因為它用于分析的信息是不完全和不精確，甚至有時不準確，以至于造成認知不正確和決策失誤。當研究者以不準確或不精確的信息來探尋因果關系時，極有可能致使認知出現偏差；而當認知出現偏差時，理論研究和實際操作就會出問題。誠然，因果思維模式本身并沒有錯，但問題在于，單純從現象形態或單純從結果所做出的理論判斷和推論，不足以讓研究者揭示真實的因果關系。人們對因果關系的理解過程伴隨著認知的形成過程，在非數據支持的因果思維模式存在局限性的情況下，經濟學家依據這種模式所構建的理性選擇理論，難以得到符合實際的認知理論。那么，在未來世界是什么影響和決定認知呢？人類認知有沒有可能達到準確化呢？我們把目光聚焦于大數據，或許能夠找到問題的答案。
二 、運用大數據能獲得正確認知嗎？
在迄今為止的經濟理論研究文獻中，經濟指標或行為指標所選用的樣本數據，不是互聯網和人工智能時代所言的大數據。大數據具有極大量、多維度和完備性等特征，極大量和完備性表明大數據有可能提供完全信息，多維度意味著信息可以通過大數據的相關性得到甄別和處理。廣而論之，人類的行為活動表現為一個龐大的數據堆積，個別行為所產生的數據只是這個龐大數據的元素形式。如果我們以人們的投資和消費活動作為考察對象，對大數據蘊含的因果關系以及由此得出的認知進行分析，那么，我們可認為投資和消費不僅在結果上會產生大數據，而且在運作過程中也會產生大數據。換言之，投資行為和消費行為在“結果”上顯示極大量數據的同時，也在“原因”上留下了極大量數據讓人們去追溯。因此，人類要取得因果關系的正確認知，離不開大數據，而在樣本數據基礎上經由判斷和推理得出的針對因果關系的認知，至少是不全面的，它不足以作為人們投資和消費選擇的科學依據。
1、運用大數據分析因果關系的條件配置
人類認知的形成離不開因果關系分析，但運用大數據來分析因果關系以求獲取正確的認知，必須具備以下條件配置：1、移動設備、物聯網、傳感器、社交媒體和定位系統等的覆蓋面要足夠大，以便能搜取到極大量和完備性的數據；2、需要探索對極大量（海量）數據的算法，能夠對大數據進行分類、整合、加工和處理；3、需要厘清和區別數據的不同維度及權重，以至于能夠運用大數據來甄別因果關系的內在機理。顯然，人類從兩百年前的工業革命到今天的信息革命，對數據的搜集、整合、加工和處理還不全然具備以上的配置條件，人類運用大數據來分析因果關系，還剛剛處于起步階段。
聯系經濟學理論看問題，經濟學家分析投資行為和消費行為以及對其因果關系的研究，主要是在抽象理論分析基礎上運用歷史數據來完成的。其實，對投資行為和消費行為的研究，不能只是從結果反映的數據來考量，即不能只是局限于歷史數據分析，還需要從即時發生的數據，乃至于對未來推測的數據展開分析。這可以理解為是運用大數據思維來研究經濟問題的真諦。從大數據觀點看問題，投資和消費的因果關系應該是歷史數據流、現期數據流和未來數據流等三大部分構成的。經濟學實證分析注重的是歷史數據流，很少涉及現期數據流，從未考慮過未來數據流，因此，現有經濟理論文獻的實證分析以及建立其上的規范分析，很難全面反映或揭示經濟活動的真實因果關系。
2、未來幾十年大數據揭示因果關系的可行性
在互聯網悄然改變人類經濟、政治和文化生活的當今社會，互聯網的發展歷史可理解為經歷了三個階段：從前期“人與信息對話”的1.0版本，經由中期“信息與信息對話”的2.0版本，近期正走向“信息與數字對話”的3.0版本，互聯網版本的不斷升級是大數據運用范圍不斷擴大的結果，這是問題的一方面。另一方面，隨著互聯網、移動互聯網以及物聯網技術等的廣泛運用，人類各種活動的數據將極大量地被搜集，人們行為的因果關系也會以迂回方式通過數字關系顯露出來。特別地，若互聯網在將來發展成“數字與數字對話”的4.0版本，這樣的發展方向則明顯預示著數字關系將取代因果關系，或者說，數據思維將取代因果思維，人類將全面進入大數據和人工智能時代。
如果我們把互聯網版本的不斷升級以及大數據運用范圍的無邊界擴大，看成是未來幾十年運用大數據來分析因果關系的重要配置條件，那么，如何對大數據的整合、分類、加工和處理，以及如何通過大數據的完備性和相關性來獲取因果關系的真實信息，則是另外兩個重要的配置條件。工業革命后的人類科學文明對因果關系揭示的主要方法和路徑，是先利用掌握的信息再通過抽象思維建立復雜模型，然后在實驗室通過試錯法來設置能反映因果關系的參數使模型具有操作性；但這種方法和路徑涉及的數據，是樣本數據而不是大數據。在大數據和人工智能時代，智慧大腦是使用“數據驅動法”來設置模型和參數的（吳軍，2016）。具體地講，是用云計算集約化及其運算模式來整合、分類、加工和處理大數據，通過數據之間的相關性來探尋在樣本數據基礎上無法判斷和推論的信息；同時，對模型的處理，不是建立復雜模型而是建立許多簡單模型，并通過數以萬計的計算機服務器對模型進行優化和設定相應的參數，以至于完完全全地運用大數據來揭示因果關系。
有必要說明的是，數據驅動法使用的數據不僅包括“行為數據流”，而且在某些特定場景中，還包括“想法數據流”；前者是指歷史數據和當前發生的數據，后者是指從已知數據的相關性所推測的未來數據。社會物理學認為，人們實際行為與“想法流”之間有著可以通過大數據分析而得到的可靠數量關系，這種關系會通過互聯網成為一種改變人們選擇行為的重要因素（阿萊克斯?彭特蘭，2015）。誠然，在未來幾十年，數據驅動法是否能成功地成為解析因果關系的有效方法，尚有待于大數據運用的實踐，特別是有待于它在人工智能運用上之成效的檢驗。不過，數據驅動法作為解析因果關系的一種重要方法，無疑是智慧大腦的人機結合在大數據思維上的重要突破，它至少在如何展開大數據思維上打開了解析因果關系的窗口。
3、運用大數據分析因果關系所獲取的認知，包括對歷史數據分析的歷史認知，對現期數據分析的現期認知，以及推測未來數據而形成的未來認知
經濟學家運用大數據來研究經濟現象的因果關系，對經濟現象原因和結果關聯的解讀，只有以極大量、多維度和完備性的數據為依據，才是大數據意義上的思維。大數據思維較之于傳統邏輯思維，最顯著的特征是它可以通過對不同維度數據之間相關性的分析，得到比傳統邏輯思維要精準得多的信息。這里所說的精準信息，是指由大數據規定且不夾帶任何主觀判斷和推測的信息。例如，經濟學家要得到特定時期某類（種）產品的投資和消費的認知，其大數據思維過程如下：1、搜集、整理和分類前期該類產品的投資和消費的極大量和完備性的數據；2、加工和處理業已掌握的數據，并在結合利潤收益率、投資回收期、收入水平和物價水平等的基礎上解析這些不同緯度的數據；3、根據不同緯度數據的相關性，獲取該類產品投資和消費的精準信息，從而得出如何應對該產品投資和消費的認知。當然，這只是在梗概層面上對運用大數據分析而獲取認知的解說，現實情況要復雜得多。
然則，現有的關于投資和消費的模型分析以及建立其上的實證分析，主要是以非大數據的歷史數據作為分析藍本的，因此嚴格來講，經濟學對投資和消費的因果關系分析所形成的認知，屬于典型的對歷史數據分析所形成的歷史認知。眾所周知，自經濟理論注重實證分析以來，一直存在著如何“從事后評估走向事前決策”問題的討論。由于經濟學家對投資和消費展開實證分析所使用的數據，幾乎完全局限于（樣本）歷史數據，這便導致對投資和消費的因果關系分析對現期認知和未來認知的缺位，它不能解決“從事后評估走向事前決策”問題。國內一些著名的成功人士指責經濟學家不能解決實際問題。在我們看來，不熟悉大數據的成功人士的這種指責是可以理解的，但深諳大數據的成功人士帶有調侃風味的指責就不公允了。經濟學家要在理論上立竿見影地解決實際問題，必須能得到現期數據和未來數據（而不僅僅是歷史數據），這需要計算機學家的配合和支持，否則便不能在精準信息的基礎上分析投資和消費的因果關系，但經濟學家又不是計算機學家，因此，經濟理論的科學化需要大數據挖掘、搜集、整合、分類、加工、處理、模型和參數設置、云計算等技術及其手段的充分發展。
歷史數據是存量，目前計算機對其處理的能力已綽綽有余，難點是在于模型和參數設置；現期數據是無規則而難以把控的流量，對這種流量數據的挖掘、搜集、整合、分類、加工和處理，取決于移動設備、物聯網、傳感器、社交媒體和定位系統的覆蓋面，以及云計算的集約化的運算能力；未來數據是一種展望流量，它依賴于對歷史數據和現期數據的把握而通過大數據思維來推測。如果說經濟學家對投資和消費的因果分析以及由此產生的認知，主要取決于歷史數據和現期數據，那么，解決“從事后評估走向事前決策”問題，既要依賴于歷史數據和現期數據，也離不開未來數據。也就是說，在“歷史數據 + 現期數據 + 未來數據 = 行為數據流 + 想法數據流”的世界中，經濟學家要解決實際問題，其理論思維和分析手段都受制于大數據思維，經濟學家運用大數據分析因果關系而得到正確認知的前提條件，是必須利用歷史數據、現期數據和未來數據以獲取精準信息。
就人類認知形成的解說而論，現有的社會科學理論是以信息的搜集、整理、加工、處理、判斷和推論，作為分析路徑來解釋認知形成的。當認知被解釋成通過數據的挖掘、搜集、整合、分類、加工和處理而形成，對認知形成的解釋，就取得了大數據思維的形式。大數據思維是排斥判斷和推論的，它否定一切非數據信息，認為產生精準信息的唯一渠道是大數據。在現有的社會科學理論中，經濟學的理性選擇理論對人類認知的分析和研究具有極強代表性，經濟學家對投資選擇和消費選擇的解釋，便是理性選擇理論的代表性運用。基于人類認知形成和變動的一般框架在很大程度上與理性選擇理論有關動機、偏好、選擇和效用等的分析結構有很強的關聯，我們可以結合這個理論來研究大數據思維下人們對經濟、政治、文化和思想意識形態等的認知變動。事實上，經濟學關于動機、偏好、選擇和效用等關聯于認知的分析，存在著一種可以通過對大數據思維的深入研究而得以拓展的分析空間，那就是大數據思維會導致人類認知的變動。
三 、大數據思維之于認知變動的經濟學分析
我們研究這個專題之前有必要指出這樣一個基本事實：大數據思維可以改變人的認知路徑，可以改變不同階段或不同場景下的認知形成過程，但改變不了影響認知的動機、偏好、認知和效用等的性質規定。如前所述，傳統經濟學理性選擇理論在完全信息假設下，認為個體選擇的動機和偏好以追求最大化為軸心，傳統理論的這個真知卓見從未被后期理論質疑；但由于傳統理論的完全信息假設存在著“知曉選擇結果”的邏輯推論，因而認知在傳統理論中是黑箱，也就是說，傳統理論無所謂認知的形成和變動問題。現代主流經濟學尤其是現代非主流經濟學在不完全信息假設下開始重視對認知的研究，在他們看來，認知形成過程是從理智思考到信息加工和處理的過程；他們特別注重從心理因素來考察認知變動（Schandler，2006；Rubinstein，2007；），注重通過實驗且運用一些數據來分析和研究認知（Kahneman and Tversky，1974，1979；Smith，1994），但這些分析和研究不是對極大量、多維度和完備性的數據分析。因此，經濟學理性選擇理論發展到今天，還沒有進入對大數據思維改變人類認知問題的討論。
1、經濟學家能否對選擇動機、偏好和效用期望等進行數據分析，決定其認知分析是否具有大數據思維的基礎
經濟學關于人類選擇動機、偏好和效用期望等反映人們追求最大化的基本性質分析，以及從這三大要素與認知關聯出發，從不同層面或角度對認知形成的分析，主要體現在理性選擇理論中。但這方面顯而易見的缺憾，是不能對動機、偏好、認知和效用等展開數據分析。現實的情況是，在大數據、互聯網、人工智能和機器學習等沒有問世或沒有發展到一定水平以前，經濟學家對這些要素只能做抽象的模型分析。經濟學理性選擇理論要跳出抽象模型分析，必須選擇具有解釋義或指示義的指標對動機、偏好和效用期望等進行數據分類分析，以便給認知的數據分析提供基礎，顯然，這會涉及抽象行為模型的具體化和參數設計的具體化，需要得到大數據和云計算集約化運算模式的支持（吳軍，2016）。作為對未來大數據發展及其運用的一種展望，如果經濟學家能夠圍繞最大化這一性質規定來尋覓動機、偏好和效用期望等的特征值，并以之來設置參數和模型，則有可能對直接或間接關聯于動機、偏好和效用期望的大數據進行分析，從而為認知分析提供基礎。
大數據的極大量和完備性有可能消除信息不完全，這給認知的數據分析提供可行性。誠然，選擇動機、偏好和效用期望等只是反映人們選擇的現期意愿和未來愿景，其極強的抽象性決定這樣的數據分析還有很大困難，但由于選擇動機、偏好和效用期望等會通過實際行為迂回地反映出來，因而我們可以找到解決這一困難的路徑。例如，人們在準備投資和消費以前，一般有各種調研活動，即對影響投資和消費的信息進行搜集、整合、分類、加工和處理，值得注意的是，這些調研活動會在移動設備、物聯網、傳感器、定位系統和社交媒體中留下大數據的痕跡，這些數據痕跡會從某個層面或某個角度顯現出投資者和消費者選擇動機、偏好和效用期望的傾向或意愿。
智慧大腦依據什么樣的標準來數據化這些傾向或意愿，從而對選擇動機、偏好和效用期望以及進一步對認知展開數據分析呢？這里所說的標準，是指通過云計算和機器學習等對人們實際行為的數字和非數字信息進行相關性分類，把反映選擇動機、偏好和效用期望的具有共性特征的傾向或意愿進行整理和歸納，以確定符合選擇動機、偏好和效用期望之實際的參數。如果智慧大腦能夠利用大數據、互聯網、人工智能和機器學習等完成以上工作，根據認知是偏好與效用的中介這個現實，智慧大腦便可以對認知進行大數據分析。如果經濟學家能夠利用智慧大腦提供的大數據分析成果，經濟學理性選擇理論將會隨著信息不完全假設前提變為信息完全假設前提，選擇動機、偏好和效用期望的抽象分析變為數據分析，認知的抽象框定或心理分析變為數據分析而發生重大變化。以上的分析性討論，是我們理解大數據思維改變人類認知之經濟學解釋的最重要的分析基點。
2、運用大數據思維進行偏好分析會改變認知形成的路徑，使經濟學理性選擇理論接近現實
現有的理性選擇理論有關動機和偏好的分析和研究（這里集中于偏好的討論），主要集中于偏好如何界定和形成以及如何隨認知和效用期望調整而發生變動等方面，并且這些分析和研究是采用“個體行為”為基本分析單元的個體主義方法論。在大數據時代，雖然個人、廠商和政府的選擇偏好仍然是追求最大化，個體選擇行為仍然是整個社會選擇的基礎，個體主義方法論仍然在一定程度和范圍內存在合理性，但互聯網平臺改變了選擇偏好的形成過程和機理。具體地說，現今人們的選擇偏好已不是經濟學理性選擇理論意義上的選擇偏好，而更多地表現為是一種以最大化為底蘊的具有趨同化特征的偏好。例如，某種產品投資或消費的介紹會和研討會，對某種產品投資或消費的點贊和評價，中央政府和地方政府關于某種產品投資或消費的統計數據，專家和新聞媒體對某種產品投資或消費的評說和報道，等等，都會成為人們選擇偏好出現一致性的催化劑。因此，經濟學理性選擇理論跳出抽象模型分析，已經在偏好分析上具備了大數據思維的條件和基礎。
智慧大腦與非智慧大腦的區別，在于能對人們消費和投資的偏好展開大數據分析，能通過大數據的搜集、整合、加工和處理，運用云計算得到來自不同維度數據之間相關性的精準信息，以至于能獲取建立在大數據分析基礎之上的認知。從理論上來講，偏好會影響認知但不能決定認知。就偏好影響認知而論，它主要是通過利益訴求、情感驅動、身心體驗和時尚追求等對認知產生誘導或牽引作用。但在非大數據時代，這些誘導或牽引作用無法數據化，于是經濟學家對偏好影響認知的研究便只能以抽象模型來描述。大數據思維對偏好影響認知的處理，是使用以許多簡單而相對具體的模型取代高度抽象的單一模型，運用數據驅動法來設置參數和模型，對利益訴求、情感驅動、身心體驗和時尚追求等偏好特征進行解讀，這樣便實現了很多非數據化信息的數據化，從而使以偏好為基礎的在理論上對認知變動的研究有了新的分析路徑。
阿里巴巴公司正在奮力打造的線上和線下相結合的“新零售”模式，是以大數據分析和運用的阿里云平臺為背景和依托的。這個模式試圖通過充分搜集、整合、分類、加工和處理已發生的歷史消費數據，正在發生的現期消費數據和有可能發生的未來消費數據，捕捉人們消費偏好的動態變化，以期構建符合大數據思維的全新商業業態。撇開新零售模式在運營過程中的諸如數據處理、機器學習和人工智能運用等技術問題，僅以該模式對人們消費行為的系統梳理、分級整合及相關處理來說，它無疑會在引領人們消費行為的同時促動消費趨同化偏好的形成。尤其值得關注和研究的是，隨著該模式運營所積累的數據量全然達到大數據的標準，人們的消費認知將會在消費趨同化偏好的導引下發生變化，這種情形不僅會發生在消費領域，投資領域也會出現投資趨同化偏好。很明顯，趨同化偏好具有共性特征，它在很大程度上是對個體選擇偏好的否定，對于這種偏好所導致的認知應該怎樣理解呢？這個問題需要進一步研究。
3、在大數據時代，趨同化偏好會改變認知形成過程，消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好驅動下對智慧大腦認知的認同
廠商的投資選擇偏好是追求利潤最大化，這一永恒的事實不妨礙或排斥投資趨同化偏好的形成。一般來講，大數據發展初期的互聯網平臺對選擇趨同化偏好形成的作用力，在消費領域要比投資領域來得更加直接和迅速。究其原因，是兩大領域的機會成本和風險程度不同的緣故。但隨著大數據、云計算和機器學習等的充分發展，智慧大腦有可能對歷史、現期和未來的大量投資數據進行搜集、整合、加工和處理，有可能通過云計算集約化模式來分析不同維度數據之間相關性而獲得精準信息，同時，智慧大腦會根據市場“行為數據流”折射出“想法數據流”而產生預見能力，尋覓和遴選出高收益的投資方向和投資標的。若此，智慧大腦投資選擇的勝算率（利潤率）將會大大提高，廠商會效尤智慧大腦進行投資選擇，從而出現投資趨同化偏好。經濟學曾經對諸如“羊群效應、蝴蝶效應、從眾行為、信息重疊”等現象有過許多研究（羅伯特?希勒，2001），但嚴格來講，這些研究是描述性的，不是聯系偏好和認知等的分析性研究。
消費和投資的趨同化偏好主要是針對消費者和投資者的選擇行為方式而言的，它不改變消費和投資選擇偏好的追求效用最大化的性質規定，這是問題的一方面。另一方面，在將來大數據充分發展的鼎盛時期，消費和投資的趨同化偏好會改變認知形成過程，這可以從兩種意義上來理解：1、從原先通過對信息進行搜集、整合、分類、加工和處理來獲取認知，轉變為通過對數據的搜集、整合、分類、加工和處理來獲取認知；2、消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好的驅動下認同智慧大腦的認知。關于第一點，大數據思維的認知之所以會取代獨立思考和理智判斷的認知，乃是因為它能夠運用云計算集約化模式將消費和投資的歷史數據、現期數據甚至未來數據進行分類處理和相關性分析，能夠運用數以萬計的計算機服務器對特定事物的因果關系展開深度機器學習，從而通過分類和歸納不同維度數據而得到精準信息（精準醫療就是基于此原理）。人類對因果關系探索的手段和路徑發生變化，認知的形成過程及其機理就會發生變化。
關于第二點，消費者和投資者在未來放棄對信息的搜集、整合、分類、加工和處理，認同和效尤智慧大腦的認知來進行選擇，這可理解為是他們進行效用比較（投入與收益）時的“幡然悔悟”。尤瓦爾?赫拉利（2017）有關一切有機和無機實體都可以運用算法來解構的前景預期，（吳軍，2016）關于未來制造業、農業、醫療、體育、律師業甚至新聞出版業都將由大數據統治的觀點，凱文?凱利（2014）以大數據和人工智能為分析底蘊對新經濟十大重要準則的論述，均認為具有大數據思維且不作出主觀判斷的智慧大腦將是未來世界的操控者，而Master和AlphaGo戰勝世界頂級圍棋高手的實踐，則顯露了人工智能完全有可能戰勝人腦的端倪。現實中的普通消費者和投資者通常只是依據有限或不準確的信息進行消費和選擇，經濟學家也只是根據有限或不準確的信息進行因果關系分析而得出認知，因此，相對于智慧大腦的選擇效用，消費者和投資者是相形見絀，經濟學家的理論見解和政策主張往往不吻合實際。
智慧大腦是運用大數據思維而超越一般智人大腦的大腦。不過，從性質上來講，極少數擁有智慧大腦的人通過對數據的搜集、整合、分類、加工和處理所得到的認知，仍然屬于人的認知。需要強調指出的是，這種認知不同于經濟學理論及其他社會科學理論所闡述和論證的認知，它是在大數據思維驅動下的人類認知。對于這種新型認知的理解，如果我們結合經濟學理性選擇理論對其展開解說，則有著基礎理論的分析價值。
4、在未來，智慧大腦的認知將引領非智慧大腦的認知，其結果是導致認知趨同化
熟悉經濟學理性選擇理論的學者知道，無論經濟學家是從信息的搜集、整合、分類、加工和處理獲取認知，還是通過心理分析或行為實驗獲取認知，他們都是在不完全信息或有限理性約束下進行的，這不僅存在著以不精準信息推論認知的問題，而且存在認知形成過程的主觀判斷問題。智慧大腦運用大數據思維所形成的認知的最大特點，是在接近完全信息基礎上獲取認知的，并且不夾帶任何主觀判斷。現代未來學家曾分別從不同角度和層面對大數據、互聯網和人工智能展開了許多討論，他們的共同見解是認為大數據的極大量、多維度和完備性將有可能解決信息不完全問題（包含信息不對稱），并且能夠給人類選擇提供精準信息。倘若如此，人類的認知問題便完全成為智慧大腦對數據的搜集、整合、分類、加工和處理問題，一旦人類可以通過大數據思維獲取精準信息和完全信息，經濟學理性選擇理論將會在根基上被顛覆。
智慧大腦只有極少數人才具備，絕大部分人（包括智人）都是非智慧大腦。在未來世界，智慧大腦將引領非智慧大腦進行選擇。這一引領過程是由前后相繼的兩個階段構成：一是智慧大腦運用大數據對偏好進行分析，通過互聯網將偏好傳送給具有從眾心理和從眾行為傾向的非智慧大腦，形成非智慧大腦的趨同化偏好；另一是智慧大腦運用大數據分析獲取認知，同樣是通過互聯網讓非智慧大腦效尤智慧大腦的認知，形成趨同化認知，從而使非智慧大腦以智慧大腦的認知為認知來選擇。這些情形表明，未來人類智慧大腦將決定非智慧大腦的偏好和認知，進一步說，則是智慧大腦將影響非智慧大腦的選擇行為。這里有一個極其重要問題須討論：對絕大部分非智慧大腦而言，他們在選擇過程中是否還存在認知？事實上，無論是趨同化偏好還是趨同化認知，非智慧大腦的偏好和認知并沒有徹底消失，只是形成的路徑和內容發生了變化。關于這個問題的討論，聯系經濟學的認知理論進行比較分析，或許會有更深的理解。
如前所述，傳統經濟學以完全信息為假設前提，將認知作為理性選擇模型的外生變量，“認知”是被理論分析跳越的。現代經濟學以不完全信息為假設前提，在理性選擇模型中，努力通過心理和實驗分析把認知作為內生變量，易言之，“認知”被解釋為個體對信息進行搜集、整合、分類、加工和處理的結果，顯然，以上分析在分析對象、分析方法和分析路徑上，是與大數據思維不同的。現代經濟學理性選擇理論所分析的個體，是通過邏輯推論所抽象出來的蕓蕓眾生；雖然智慧大腦也可以看成是個體，但人數極少，是具有大數據思維之共同特征的個體。現代經濟學理性選擇理論是借助于偏好分析來研究認知的，雖然認知已在一定程度上被視為內生變量，但分析方法和路徑仍然是邏輯判斷或推論為主；大數據思維對認知分析將會采用的方法和路徑，是搜集、整合、分類、加工和處理數據，試圖從極大量、多維度和完備性的數據中獲取精準信息以得出認知。因此，盡管認知出現了趨同化，人類在大數據思維下仍然存在認知，只不過是非智慧大腦放棄自己的認知而統一于智慧大腦的認知罷了。
總之，偏好和認知的趨同化顯示了大數據思維的魅力，這種魅力根植于大數據能夠經由智慧大腦而產生精準信息。其實，智慧大腦如何設置參數和模型，如何運用云計算集約化模式，如何利用互聯網以及尋覓廣泛使用人工智能的方法和途徑等，主要是計算機運用層面上的技術問題。我們研究大數據思維下人類認知變動需要重點關注的，是非智慧大腦究竟還有沒有認知，其效用期望會呈現什么樣的格局？既然非智慧大腦只是沒有獨立認知而不是完全跳越了認知，那么非智慧大腦便存在著效用期望，關于這種效用期望，我們可以聯系效用函數來解說。
四 、認知結構一元化與效用期望變動的新解說
經濟理論對選擇行為與效用期望之間動態關聯所建立的基本分析框架，展現出一幅“偏好認知選擇效用期望”的圖景。各大經濟學流派的理性選擇理論對這幅圖景中的 “”有不同的解說和取舍（前文有所涉及），概括來說，或側重于分析這些箭頭前后要素之間的相互關聯，或側重于分析這些箭頭前后要素之間的影響和決定作用。但就人們選擇動機和目的與效用之間的關聯而論，幾乎所有理論都不懷疑“追求自身利益最大化”的公理性，于是，“最大化”在成為效用函數核心變量的同時，也在一定程度上被作為理性選擇的判斷標準。以上圖景的邏輯分析鏈是建立在信息不完全分析假設上的，各大經濟學流派的理性選擇理論對這條邏輯分析鏈各環節的不同解說所產生的理論分歧，可歸結為是在信息不完全假設分析框架內的分歧。值得學術界關注的是，當大數據在未來有可能提供完全信息時，這些分歧將會讓位于新的理論探討。
經濟學家對效用函數的研究是與認知分析緊密相聯的。但無論是傳統經濟理論還是現代經濟理論，他們對效用函數以及最大化問題的研究存在著共性，即這些研究都是建立在抽象的認知結構一元化基礎上的。具體地說，傳統經濟理論在完全信息假設上認為，選擇者可以得到“獲悉選擇結果的認知”，從而主張用“最大化”來描述選擇者的效用函數。現代主流和非主流經濟理論在不完全信息假設上認為，選擇者受有限理性約束不可能得到“獲悉選擇結果的認知”，從而主張不可用“最大化”來描述選擇者的效用函數。這里所說的抽象認知結構一元化，是指不是以具體的認知主體作為分析對象，而是把整個人類描述為一個同一的抽象主體，讓“最大化”問題成為效用函數的核心問題。在大數據思維的未來世界，隨著信息有可能出現完全化，“最大化”問題將會成為不是問題的問題。
誠然，智慧大腦對大數據進行搜集、整合、分類、加工和處理，并通過云計算、機器學習乃至于根據人工智能實踐來選擇參數和設置模型，仍然沒有越出追求自身利益最大化這一效用函數的性質規定，但由于智慧大腦的認知形成過程是建立在具有極大量、多維度和完備性的大數據基礎之上的，大數據能夠提供完全信息的特點有可能會讓智慧大腦取得效用最大化。人類絕大部分選擇者是非智慧大腦者，從科學意義上來講，大數據對他們可謂是長期的黑箱，而他們依據自己認知所做出的選擇又不可能實現效用最大化，于是，非智慧大腦者將以智慧大腦者的認知作為自己認知而做出選擇，這便形成了大數據時代實際意義上的一元化認知結構。如果說我們劃分智慧大腦和非智慧大腦是對人類選擇主體的一種新界定；那么，我們揭示這兩大選擇主體實際意義上的一元化認知結構，則是對大數據時代人類認知問題的一種新解說。
大數據背景下人類實際意義上的認知結構一元化，將是未來發展的一種趨勢，相對于經濟理論抽象意義上的認知結構一元化，它容易把握和理解。但它在將來能否成為一種固定化趨勢，取決于智慧大腦在經濟、政治、文化和思想意識形態等領域進行選擇時獲得的效用函數值。對于該效用函數值的預期，大數據思維下的智慧大腦是具備這種能力的。從經濟理論分析看，對效用函數值的討論，將涉及內蘊且展示效用函數的效用期望問題的討論。傳統經濟學的期望效用函數理論，是一種運用數學模型論證選擇者能夠實現最大化的理性選擇理論（(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954），現代非主流經濟學是在分析風險厭惡和風險偏好的基礎上，用一條S型的價值（函數）曲線取代傳統的效用函數，并通過相對財富變動對選擇者感受的分析，解析了選擇者的效用期望會不斷發生調整的情形（Kahneman and Tversky，1979）。那么，大數據時代選擇者的效用期望會發生怎樣變動呢？
人類社會發展的歷史表明，人的主觀期望與實際選擇結果之間會發生經常性偏離。選擇者的效用期望能否實現最大化，一是取決于選擇者能否得到完全信息，另一是取決于選擇者認知過程的科學化。事實上，現代經濟學對傳統經濟學以最大化為核心的效用函數的質疑和批評，主要是圍繞信息不完全和忽略認知過程展開的。大數據時代存在著提供完全信息的可能性，而智慧大腦利用互聯網和運用云計算、機器學習和人工智能等手段，正在實現著認知過程的科學化，這便提出了經濟學必須回答的兩大問題：1、大數據思維下的人類選擇是否可以實現最大化，2、大數據思維下選擇者的效用期望會不會發生調整。這是現代經濟學沒有提及的兩大問題，但當我們分別從智慧大腦和非智慧大腦來討論這兩大問題時，結論或許會讓篤信經濟學經典理論的學者大跌眼鏡。
在未來世界，隨著互聯網平臺的日新月異以及移動設備、物聯網、傳感器、社交媒體和定位系統等搜集大數據手段的覆蓋面的日益擴大，大數據的極大量、多維度和完備性給人類選擇提供了完全信息的基礎。智慧大腦在云計算、機器學習和人工智能等的支持下，以數據分析為基礎的認知過程也越來越科學化，于是，智慧大腦便可以知曉選擇過程的結果，有可能實現最大化，這說明智慧大腦不存在效用期望的調整問題。另一方面，非智慧大腦以智慧大腦的認知為自己的認知，其效用期望完全依附于智慧大腦的效用期望。具體地說，非智慧大腦不對數據進行搜集、整合、分類、加工和處理，跳越了認知過程，同樣不存在效用期望的調整問題。非智慧大腦效用期望完全依附于智慧大腦效用期望的情形，或者說，非智慧大腦以智慧大腦效用期望為自己效用期望的情形，統一于智慧大腦與非智慧大腦的認知結構一元化。如果要追溯非智慧大腦效用期望的變動，那就是從原先屬于自己的效用期望轉變成了智慧大腦的效用期望。
智慧大腦有可能實現最大化，以及不存在效用期望調整是一回事，但智慧大腦能否在所建模型中給定效用期望值卻是另一回事。效用期望作為一種主觀預期或判斷，它不會在互聯網上留下可供大數據分析的歷史數據流、現期數據流和未來數據流，也就是說，不會在互聯網上留下可供大數據分析的行為數據流和想法數據流，這在決定智慧大腦難以跟蹤、模擬和推論效用期望值的同時，也給非智慧大腦放棄認知而效尤智慧大腦提供了某種聊以。推崇人工智能可以替代人腦的學者，好用Master和AlphaGo戰勝世界頂級圍棋高手的事實作為這種替代的立論依據，但無論我們怎樣在大數據分析、機器學習和人工智能運用等方面進行深度挖掘，也找不到智慧大腦能在所建模型中給定效用期望值的科學依據。智慧大腦不能確定效用期望值，也就規定了非智慧大腦不能確定效用期望值。這又提出了一個在理論上有必要回答的問題：非智慧大腦還有沒有效用期望？
在經濟社會，智慧大腦和非智慧大腦的投資和消費選擇的效用期望都是追求最大化，這一點是永恒的。但問題在于，非智慧大腦以智慧大腦的認知為自己認知，以智慧大腦的選擇作為自己選擇的情形，會使自己的效用期望完全停留在期望智慧大腦選擇結果的形式上，這可以解釋為大數據時代非智慧大腦的效用期望的一種變動。但對于這樣的效用期望的理解，與其說它是一種效用期望，倒不如說它是一種效用期待。社會經濟的精英是人數極少的智慧大腦群體，但推動投資和消費的是占人口絕大多數的非智慧大腦群體。因此，非智慧大腦群體的偏好、認知、選擇和效用期望，應該是理性選擇理論研究的重點。關于這一研究重點的邏輯和現實的分析線索，是大數據思維趨同化偏好趨同化認知認知結構一元化最大化效用期望。不過，這條分析線索包含著許多本文或有所涉及或尚未涉及的交叉性內容，它需要我們在繼續研究大數據思維改變人類認知這一理論專題時，做出進一步深入的探討。
論文摘要:隨著高校規模的擴大和教育體制改革，教學評估工作量大大增加，其復雜程度也越來越高，開發高效的教學質量評枯系統成為當前的緊迫任務。
1開發教學質最評估系統的意義
①為學院師資隊伍的科學管理提供可靠的依據和客觀標準。②有利于完善學院的教學管理，使之更科學化、規范化，從而提高學院的綜合競爭力。③促進教師自身的發展和提高，促使其發揮優勢，加強弱勢，達到全面提高的目的。④促進教師與學生的雙向溝通和聯系，使之更具廣度和深度，促進教學雙方更好地結合。
2需求分析
根據現代教育理論和評價理論，在對外語學院充分調研的基礎上，設計一套科學合理的測評標準，能全面反映學院教師的師德風范、教學水平、教學態度和教學效果。
①操作簡單。各類用戶只需用賬號和密碼登陸，即可在權限范圍內完成評價或管理任務。②評價指標體系完善。不同類型的課程評價指標也有所差別，需設置指標體系設置模塊。③功能完備。系統不僅要實現學生評教，且要實現同行評價、領導評價。為防止部分學生惡意打分，需設置無效問卷設置模塊，對異常數據修正，體現真實教學質量。④保密性強。充分利用學校現有數據庫，自動提取信息，實現學生、教師、課程的對應，自動驗證身份，同時設置瀏覽權限，保護教師及測評學生的隱私。⑤結果分析合理。應用人工智能對結果分析并提出合理化建議，達到以評促教的目的。
3系統相關技術
①面向對象。在系統的開發過程中進行業務調查并按照面向對象的思想來分析問題。將產生三種模型:功能模型:對象模型;動態模型。② B/S模式。以Web技術為基礎的平臺模式。把傳統C/S模式中的服務器分解為一個數據服務器與一個或多個應用服務器，構成三層結構服務器體系。③ ASP.NET技術。是已編譯的基于.NET的環境可用任何與.NET兼容的語言創建應用程序，從而簡化頁面的代碼。
4評估指標設計
①教學質量的觀測點:教學態度、內容、方法、效果等是主要觀測點。態度包括嚴謹治學、為人師表、教書育人、備課充分;內容指掌握基本知識、概念熟練程度，理論準確度及先進性等;方法指采取的適宜的方法或手段，如啟發式、討論式、研究式及理論聯系實際的狀況;效果包括激發學習興趣，提高對知識理解、掌握和靈活運用的程度，分析、解決問題的能力等。教學效果在一定程度上反映了教育品質、學術水平和教學能力。②評估指標:本系統采用多元化評估主體，即學生、專家、領導及教師自己。針對外語課程性質和特點，又分為理論課、聽力課等，教學的單項指標不同可使評估指標的可測性更好，更真實地反映教師的教學情況。學生評估是教學相長原則的充分體現，學生對教師有最全面的接觸和最深刻的了解，學生評估有無可比擬的優勢。因此本文著重分析學生評估指標。包括學生對任課教師的評估、應屆畢業生問卷以及在線預警。
5系統功能模塊及流程
①系統流程圖。②系統功能模塊設計本系統主要包括五個模塊:用戶登錄認證模塊、評估模塊、結果搜索排序模塊、用戶分級模塊、管理員管理模塊。認證模塊驗證用戶是否合法，根據身份做相應的權限控制。其目的是避免數據的泄漏、非法修改或破壞。評估模塊包括:領導評估、專家評估、學生評估和教師自我評估4個子模塊。結果搜索排序模塊的是對評估結果匯總排序，排出全院學期授課質量總分前20%、后l0%的教師以及應屆畢業生問卷中最好和最差的教師。用戶分級模塊將用戶分為二級:院(系)領導有權限隨時查閱教師的評估結果;教師本人只能看自己的結果。管理員管理模塊負責各級用戶的密碼和數據庫整理。
6教學質量評估算法設計
我們在AHP( Analytic Hierarchy Process)層次分析法基礎上，建立多層次、多目標、群組決策系統數學模。包括分析評估系統中各指標之間的關系，建立層次模型;對同一層次的各指標影響上一層次中某指標的重要性進行兩兩比較，構建兩兩比較判斷矩陣;由判斷矩陣計算子指標相對與其父指標權重，即層次單排序權重;計算各層指標相對系統評估目標權重，即層次總排序權重。同時利用群組決策判斷矩陣算法實現判斷矩陣修正，使其滿足一致性條件，綜合考慮不同評估團體參與決策或對評估影響，以及評語值的模糊性等，對各被選方案或被評對象進行優劣排序，最終得到評估結果。
由于高等學校短時間擴招，導致招生人數激增，在校生人數巨大[4]。再者，多數教師在承擔繁重教學任務的同時，還有自身的科研項目，使得部分教師用于指導畢業實習的時間較少、精力不夠。此外，教師與學生的直接交流少，部分教師甚至讓研究生完全替代自己指導本科生論文。因此，對本科畢業實習不夠重視，在幫助學生選擇和確定課題過程中，沒有引導和啟發學生，沒有指導好學生[5]，選擇的實習課題也多數存在“換湯不換藥”的現象。同時，在實習過程中，導師對學生的要求不嚴格，導致學生懶散、不認真，甚至出現偽造數據和抄襲論文的現象。
二、生產實習管理松散
本科畢業實習期間多數存在實習與上課、考研、考公務員及找工作相沖突的現象。許多學生在畢業實習期間離校找工作，或者把大部分精力用在考研、考公務員等事情上，甚至不去做導師安排的課題任務。有的學生雖然參與了實習，但看到其他沒有實習的同學，也慢慢產生了消極情緒，經常會找借口不去參加實驗，最終導致畢業實習流于形式。另外，有的教師在指導學生實驗實習時沒有統一的要求，沒有明確的目的，由學生分散獨立完成，這樣容易導致實習效果良莠不齊[6]。另外學校對學生實習目標和任務的管理比較模糊，對實習內容的考核缺乏嚴格的標準，所以很多學生經常以考研和找工作等借口，不去參加畢業實習[3]。有部分學生在實習期間，會去某些種子公司或中小學實習，這樣可提高學生實踐能力，讓學生提前接觸和認知社會，畢業后能在自己的工作崗位上游刃有余。但是這種實習方式也存在一定的問題，比如實習效果參差不齊，學生實習的積極性和實習單位的工作性質，都會影響到最終的實習效果。
三、提高農學專業畢業實習效果的對策
（一）采用“雙向選擇”方式，調動師生的積極性
首先，各院系應充分利用實習動員大會、座談會等不同方式，對學生進行專業思想教育，使學生認識到畢業實習的重要性。同時，引導學生樹立不怕吃苦、努力鉆研、為農業科技服務的精神和決心。其次，實行“雙向選擇”機制，確定學生的指導教師。在大二下學期就給學生詳細公布全院指導教師的具體情況，主要包括教師的年齡、畢業院校、學歷、職稱，具體研究方向及主要試驗場所（如大田、實驗室或外地）。讓學生充分了解導師的情況后，再做選擇。同時，向各指導教師公布學生的學習成績和生活情況，教師再對自己名下的學生進行選擇。每個指導教師指導學生的數量是一定的，盡量不出現兩極分化的現象。這樣一來，學生選擇了自己感興趣的研究方向和導師，導師也選擇了自己中意的學生，極大地提高了師生的積極性。
（二）采用“集中”與“分散”相結合的實習方式
就河南的氣候條件而言，暑期農作物種類較多、現場豐富，且正是農作物生長最旺盛的時期，根據這一實際情況原則上規定，畢業生在暑假和大四上學期集中進行畢業實習。同時，應該提前采用開會、談話等方式，充分了解學生的畢業去向，如考研、考公務員、就業等，然后根據其就業意向，具體再安排其畢業實習時間。比如對于考研的學生，可將畢業實習安排在其考研結束后；對于選擇就業的學生，可將畢業實習安排在大三暑假期間，隨后可完全利用實習結束的時間去尋找就業機會或提前進入社會，提高就業率。
（三）嚴格實習管理，完善實習考核機制
實習期間各指導教師應執行嚴格的請假考勤制度，離開學校必須經過指導教師同意，對于無故不去實習的，報給輔導員，進行說服教育，情節嚴重的，給予一定處分。同時，由于畢業實習環節是一個比較復雜的過程，為確保實習質量，需制定一定的考核方式。考核內容包括實習日記、實習報告、思想作風及實習紀律、工作能力等幾方面，以全面考核學生的綜合素質，切實達到良好的實習效果。對表現優異的學生，給予一定的獎勵和表彰，可優先推薦到合適的工作單位或高等院校。同時，也要對每位指導教師進行考核，考核主要通過學生打分、領導調研以及學生的畢業論文質量等方式，考核結果將與老師的職稱晉升、年終考核等直接掛鉤，進而提高指導教師對畢業實習的重視程度，達到更好的實習效果。
（四）充分利用學校現有的科研平臺
關鍵詞 神經網絡；空調；應用
中圖分類號 TP387 文獻標識碼 A 文章編號 1673-9671-(2012)071-0184-02
中央空調系統是一個龐大復雜的系統，主要包括：空調冷熱源系統、水或空氣系統、控制系統等，空調系統能耗與影響因素之間是一種多變量、強耦合、嚴重非線性的關系，具有很強的動態性。而人工神經網絡可以實現從輸入到輸出的任意非線性映射，能夠模擬高度非線性系統，具有較強的學習能力、自適應能力、容錯能力和聯想能力，已成為復雜的非線性系統建模、仿真、預測的新型工具，人工神經網絡自20世紀40年代初被首度提出來以后，經過幾十年的發展，廣泛運用于模式識別和圖像處理、控制與優化、人工智能等方面。隨著我國空調事業的快速發展及節能減排新形下，人工神經網絡在空調系統中的運用越來越受到廣大暖通空調研究者的關注。
1 神經網絡
神經網絡是對人腦或生物神經網絡的抽象和建模，具有從環境學習的能力，以類似生物的交互方式適應環境。人工神經網絡是一個由大量簡單的神經元廣泛聯接組成的復合系統，當系統被訓練達到平衡后，由各個神經元的權值組成的整個網絡的分布狀態，就是所求的結果。網絡學習的過程也就是各神經元權值的調整過程。人工神經網絡根據連接方式不同可以分為兩大類：無反饋的前向神經網絡和相互連接型網絡（包括反饋網絡），圖1為BP神經網絡系統結構簡圖，BP網絡就是一種誤差反向傳播的前向網絡，神經網絡的學習算法總體來講可分為有監督學習和無監督學習。人工神經網絡的具有強容錯性、冗余性、魯棒性和信息分布式并行處理及快速進行大量計算能力特點， 能適應復雜環境和進行多目標控制。
圖1 BP網絡系統結構
2 人工神經網絡在空調系統中的應用
2.1 空調風系統方面的應用
變風量系統（VAV系統）的基本思想是：當室內負荷發生變化時，改變送入室內風量，以滿足室內人員的舒適性或工藝性要求，實現送風量的自動調節，最大限度地減少風機動力，節約運行能耗。目前對變風量空調控制方法傳統方法主要有：定靜壓控制、變靜壓控制、總風量控制等，但多數局限于的PID控制理論，對變風量空調這種非線性系統的控制精度難以保證。朱為明等人在VAV系統中采用神經網絡預測優化算法對變風量空調進行控制，神經網絡預測優化算法控制過程的節能范圍為：6％-13.5％，與PID控制方法相比，神經網絡預測優化算法的控制量之和減少6%以上，具有較好的節能效果。
2.2 空調水系統方面的應用
中央空調水系統主要包括冷卻水和冷凍水系統，對于大型系統，管道長，系統熱容量大、慣性大，被控系統水溫和流速變化速度較慢，滯后現象嚴重，是一種典型的大滯后系統，對于過程純滯后非線性特性，目前過程控制傳統算法不具備克服滯后影響的能力，在穩定性和響應速度上都難以達到較好的性能指標。周洪煜等人利用了神經網絡的非線性逼近特性、自學習、自組織的能力以及預測控制的滾動優化和反饋校正的特性，建立起的中央空調水系統的動態模型，作為預測控制器的預測模型，不需要對被控對象進行精確的辨識， 提出的多變量神經網絡預測控制系統具有優良的控制效果，實現了空調水系統的自適應控制。何厚鍵等人在中央空調水系統的建模與優化研究中，利用前饋型網絡結合BP算法建立了冷卻塔和制冷機的神經網絡模型，解決的具有高度非線性的中央空調水系統設備的建模問題。
2.3 制冷系統方面的應用
神經網絡在空調中的制冷系統應用，主要體現在制冷機組優化控制和制冷系統的故障診斷兩方面。在中央空調系統中制冷機組是能耗最大的設備，對制冷機組進行優化控制，提高其運行效率，是空調系統節能的重要途徑之一。趙健等人在分析了影響壓縮機運行效率的主要因素基礎上，建立了以壓縮機入口制冷劑溫度、壓縮機出口制冷劑溫度和負荷為輸入量，最佳吸氣壓力輸出為輸出量的BP神經網絡模型。通過在線修正制冷機的吸氣壓力工作點，解決變負荷下，制冷機優化控制問題，大幅度提高制冷性能參數COP的值，降低了制冷機的運行能耗，與采用額定工況相比，采用神經網絡優化控制方法的制冷機節能量約為44.8%。
故障診斷是一種了解和掌握設備在使用過程中的技術，確定其整體或局部是否正常，早期發現故障及其原因并能預報故障發展趨勢的技術。在制冷系統的故障診斷方面，神經網絡也發揮著重要作用，隨著我國空調制冷事的蓬勃發展，制冷系統越來越復雜，故障的潛在發生點也越來越多，制冷設備的故障檢測與診斷越來越受到人們的重視。胡正定等人在分析制冷系統常見故障特征的基礎上，建立以壓縮機進口溫度、蒸發器進口溫度、冷媒水進口溫度、冷媒水出口溫度、壓縮機排氣壓力、壓縮機吸氣壓力、壓縮機出口溫度、冷凝器出口溫度等8特征征參數作為輸入量，故障模式作為輸出量的補償模糊神經網絡模型。仿真結果表明，系統的診斷結果且有較高的準確率。李中領等人在空調系統故障診斷中利用神經網絡建立了三層BP網絡模型，輸入層節點個數為4，對應于4種故障現象，隱含層單元個數為4，輸出層節點個數為12，對應于12種故障原因，輸出節點值的大小反映了故障出現的可能性。
2.4 負荷預測方面的應用
空調系統逐時負荷的準確預測是實現現代控制的前提之一，準確預測空調負荷對空調高效節能運行具有重大意義，影響空調負荷的因素有空氣溫度、濕度、太陽輻射強度、人員、設備運行情況等，空調負荷與影響因素之間是嚴重非線性的關系，具有動態性。
2.5 空調制冷系統的仿真設計方面的應用
制冷空調產品設計中，大量地依賴樣機的反復制作與調試，使得產品的設計周期延長，并影響性能優化，用計算機仿真代替樣機試驗，在計算機上面實現優化設計，使得制冷空調裝置仿真技術近年來得到了迅速發展 。
2.6 大型建筑運行能耗的評價方面的應用
大型公共建筑指非住宅的民用建筑，包括辦公樓、商場、賓館、醫院、學校等，大型公共建筑用能特點是單位面積耗能非常高，為每年100 kW/m2-300 kW/m2，而且我國大型公共建筑能源系統效率較低，浪費嚴重，其電耗超過公共建筑節能設計標準規定指標的10倍以上。大型公共建筑中央空調系統運行能耗的科學評價是對大型公共建筑進行用能科學管理的重要基礎，趙靖等人基于BP人工神經網絡，將冷水機組、冷凍水泵、冷卻水泵、冷卻塔、其它設備月平均功率、運行時間和氣象特征共七個作為預測因子，空調系統總能耗為輸出量，建立了大型公共建筑系統運行能耗的預測評價模型，仿真結果表明，網絡的平均預測誤差輸出值約為3.3E-014，可以滿足實際應用的要求。
3 發展方向
人工神經網絡基于較強的學習能力、自適應能力、容錯能力和聯想能力，在暖通空調領域中的應用已經取得了突破性的進展。今后的發展方向主要有兩個方面，首先，不斷改進神經網絡性能，提高其預測和控制精確度；另外，逐步使神經網絡的實現由軟件實現過渡到硬件實現，擴大其在空調領域的應用范圍，也是今后的研究方向之一。
參考文獻
[1]胡守仁.神經網絡導論[M].北京:國防科技大學出版社,1999.
[2]候媛彬,杜京義,汪梅.神經網絡[M].西安電子科技大學出版社,2007.
關鍵詞：高職院校；職業素養；培養途徑
良好的職業素養是高職院校學生技能學習以及創新能力培養的基礎，也是影響其職業發展的重要因素。因此，明確高職院校學生職業素養的培養意義，立足當前我國高職教育的現實情況，探索一條科學合理的高職院校職業素養培養路徑，提升高職生的職業素養十分必要。
一、職業素養國內外研究概況
（一）國內外研究概況。1.國外研究概況。美國學者萊爾斯潘塞提出著名的“冰山理論”，以漂浮在水中的冰山為例，將職業素養具體分成顯性職業素養和隱形職業素養兩部分。具體而言，顯性職業素養恰如露出水面的部分，主要由職業意識、道德品質、職業作風、責任態度幾個方面構成，是鑒別技校優秀者和一般者的主要指標。隱形職業素養影響顯性職業素養的養成，高校應著重培養學生的隱形職業素養。美國一些學者從學生職業素養養成的途徑展開實踐研究，關注情商培養與職業成功的關系。通過一些實證研究發現，企業的績效與員工的整體情商水平之間存在高度的正相關。美國高校根據學生的專業背景和自身特點，綜合開設了不同類型的情商培養課程，主要有“獨立設課”和“學科滲透”兩種形態。例如，北卡羅來納州立大學將情商中的“人際關系處理”作為一門獨立的課程在本科生中開設，奎尼匹克大學商學院將情商元素融入到本科《管理學》。2.國內研究概況。國內對大學生職業素養研究開始于2005年，由于我國經濟發展和高校擴招后帶來的就業問題，越來越多的專家學者開始探尋造成大學生就業難的因素，逐漸將研究視角投向大學生職業素養上。筆者主要以中國知網中文社會科學索引文獻（CSSCI）為檢索數據庫，檢索了從2005年至今的關于大學生職業素養的論文四百余篇，其中針對本科院校的占比83%左右，高職院校占比17%左右。2017年我國高職院達1346所，與本科院校1533所不相上下，但研究的文獻數量與院校數量不成正比。2005年至今，關于大學生職業素養的研究以教育學學科為主，此外還涉及到秘書學、文學、電影學、心理學、經濟學、哲學等學科門類，這些論文對大學職業素養的關注和研究呈現出各有側重的狀態。具體包括這幾類研究：一是對當前大學生職業素養現狀的調查和解決問題的途徑探索；二是以時代背景為研究視角，探尋大學生職業素養培養方式，例如工匠精神、人工智能；三是以就業為導向研究大學職業素養培養方式，例如從企業需求、面試等。這些論文主要從課程設置、學校制度、校園文化等方面探求培養大學生職業素養的有效途徑。在大學生職業素養研究中，專家學者主要從理論研究上分析論證影響職業意識、職業道德和職業責任的因素，具有一定的學術價值，但是高職院校職業素養研究仍然存在著一定的不足和局限，包括研究規模、研究內容、研究方法等方面。具體表現為：一是研究規模的失衡，高職類的大學生職業素養研究文獻僅占17%左右，與高職院校的數量在大學總數中的占比不成正比。二是研究的方法上，絕大部分的關于大學生職業素養的研究采用定性邏輯論證的方法，在大數據的時代背景下，迫切需要我們采用科技手段對大學生的職業素養進行精確分析研究，因此，需要加大定量方法在職業素養研究中的運用，使大學生職業素養研究更加具有實踐的可能性。
二、廈門軟件職業技術學院學生職業素養的現狀
（一）學生職業素養的現狀。2018年12月，我們對廈門軟件職業技術學院學生職業素養培育狀況進行了問卷調查及個別訪談。問卷調查分為學生版、教師版和企業版，其中，291名畢業生有效參與了學生版問卷調查，40名教師有效參與了教師版問卷調查，25家企業有效參與了問卷調查。此外，我們還對5家校企合作企業進行調研訪談。通過調研，發現高職院校學生職業素養培育狀況呈現出以下特點：1.學生、企業管理人員對學生職業。素養水平認知基本一致學生在“你認為你哪項職業素養較強”問卷調查中，排名前三位的分別為“思維、溝通能力”“敬業”和“學習”能力。教師認為學生職業素養能力水平排名前三的為“思維、溝通能力”“敬業”和“創新”。從對企業調研結果看，企業對高職院校學生的溝通能力、敬業和團隊合作等比較滿意。2.校內職業素養培育的手段有待加強。在“你認為培養職業素養的主要場所是哪里？”的調查中，學生和教師都認為職場是職業素養培育的主要場所，遠遠超過了“學校”選項。從調查結果看，這在一定程度上反映出，學生和教師認為目前校內職業素養培育手段有一定的局限，高職院校在職業素養培育上未能充分發揮其作用，校內職業素養的培育手段還有待加強。3.社團活動等實踐平臺是校內職業素養培育的主要途徑。在職業素養培育途徑調查中，學生選擇前三的為“社團活動”“班干部經歷”和“職業拓展訓練”。而教師在此項問題上，則呈現出與學生不同的選擇，教師認為職業素養主要培養途徑是“實習實訓”“社團”和“課程教學”。調查表明，高職院校學生和教師都很注重實踐平臺對學生職業素養的培育，但學生認為課外實踐活動對職業素養幫助更大，而教師更傾向于課堂教學。（二）存在的問題。1.課程教學功能還未充分發揮。學校作為學生與職場銜接的橋梁，擔負著育人和為社會輸送合格人才的重任。學校是學生邁向社會最后的“淬煉場”，需要對學生從專業技能到職業素養全方面進行塑造，課程教學則是培養學生的主要途徑。但從調查結果看，更多的學生把課程教學簡單地視為知識技能的獲得渠道，職業素質的養成在課程教學中的成效較差。在日常的課程教學中，課程教學的教學目標設置相對單一，過多注重技能知識目標的實現，輕視職業素養目標。同時，專業教師對職業素養培養的意識不夠，教師是課堂教學的引導者，他掌握一個課堂的方向。教師未能很好樹立職業素養滲透意識，細化課堂的職業素養培養目標，以言傳身教和課堂活動等方式，有目的地推進學生職業素養的養成。2.欠缺職業拓展訓練。調查表明，學生十分認可職業拓展訓練對職業素養的培養，目前的高職院校多是在職業生涯規劃和就業指導等課程中，利用少量的職業拓展訓練提升學生職業素養。但由于其量少且未成系統，并未能在全面系統培養學生職業素養上發揮作用。目前，大多職業院校在大一開設職業生涯規劃課程，大二下學期或大三開設就業指導課程，中間欠缺連貫兩門課程的職業拓展訓練，導致兩門課程在培養學生就業競爭力上存在斷層。此外，豐富的職業素養課程，以選修課方式，利用現代科技手段，設置培養學生情商、逆商的慕課、微課，整合學生的零碎時間系統提升職業素養。3.校企合作有待深入。高職院校人才培養需要產業的引領，校企之間聯動密切順暢才能保障高校人才培養質量。從日常的企業走訪結果看，無論企業還是高校，對校企合作都表現出極大的熱情，65.79%的企業表示愿意保持長期的校企合作關系。但從目前校企合作的程度上看，校企合作僅停留在實訓等部分的人才培養環節中，并未貫穿人才培養的全過程，企業參與人才培養的熱情未能有效轉化為教學成果。未來的校企合作不僅需要拓展合作的廣度，還需在深度上不斷探索新的形式。校企合作在人才培養方案設置、教學內容選擇、師資隊伍建設上全方位加深合作，企業應參與人才培育全過程共建人才培養體系。
三、高職院校學生職業素養的培養途徑
[關鍵詞]Internet 信息資源 開發利用
一、網上信息資源開發利用的必要性
網上信息資源又名網絡信息資源,內容和信息都十分豐富,是集文字、圖像、聲音、視頻為一體的多媒體信息。其包括超文本信息和超媒體信息。它們按非線性文本組織模式,將信息單元儲存于節點,通過含URLdizhi地址的鏈接體現各節點之間的概念邏輯關系,從而形成網狀結構。既可按線性順序查閱,又可跳躍式瀏覽,與實體文獻資源相比,具有如下的特點。
1.多樣性
網上信息資源包括館藏目錄、電子書刊、各種類型的數據庫、資源導航及搜索引擎、電子公告等。并以超級鏈接的方式將文字、圖像、語音和視頻信息鏈接起來,形成一個豐富多彩的網絡資源。
2.無序性
網上信息以超文本方式而構成立體網狀的形式,缺乏統一的控制,呈分散無序狀態,可以根據節點任意跳動,而實體文獻信息資源則自成體系,呈線性方式。
3.開放性
網上信息是開放、相關聯的,可以通過鏈接任意檢索信息。我們知道,通過internet,任意信息都可以傳播到世界各個地方,只要將計算機連接在網絡上,用戶就可以快速得到這些信息。
4.動態性
網上信息資源跨地區分布,高速度傳輸,更新淘汰周期短,變化快、不穩定,呈高度動態性。由于網上信息資源從本質上改變了信息的創造交流和獲取的方式,完全拋棄了傳統的出版概念,實現了無紙化的出版,信息呈現很強的時效性。
5.互動性
網上信息資源具有很強的互動功能,可以形成廣泛的論壇氛圍,有關專家可以就某一專題開設電子論壇,網上直接反饋用戶信息,參與交流討論。
6.增值性
網上信息資源開發與建設的最終目的是服務。用戶在網上利用各種手段查找所需的信息內容,在這一過程中信息被反復利用,不但不會導致網上信息資源損耗,反而可使信息增值。
由此可見,網絡信息資源使實體文獻信息資源在內容上和形式上有了很大的變化,這個巨大的信息資源庫涵蓋了不同學科、不同領域、不同地域、不同語言的信息資源,具有較大的靈活性。圖書館作為科研服務機構之一,不懂得如何有效地開發利用網絡信息資源,就會失去對網絡信息的“擁有”與“服務”。因此,網上信息資源的開發利用是實現信息價值轉換一種典型的社會化智能活動。
二、網上信息資源的開發技術
1. push技術
傳統的信息獲取方式是基于Client/server模式,主要采用拉取(pull)的技術挖掘采集信息。但隨著網上信息資源的豐富和多元化,這種方式已不能滿足用戶快速準確地獲取信息的要求,引入了push技術,作為internet的一種新技術,提出了新的服務模式,即核心點放在服務方,不需要用戶的請求,主動將信息送到用戶方,在信息獲取應用中它表現為push服務器自動搜集用戶感興趣的信息,并將其定期地傳送給用戶。其表現形式為:web服務器擴展;客戶方式;Push服務器方式。
2.WWW信息挖掘技術
WWW的數據信息挖掘,指從大型數據庫的數據中提取出用戶感興趣的文本型知識,這些知識是隱含的、事先未知的、潛在的有用的信息。而網上文本信息挖掘是在已知的數據樣本基礎上,得到數據對象詞的內在特性.并以此為依據在網絡上進行有目的的信息提取。這種信息挖掘能自動地提取相關文獻之間的有價值的關系知識,并將這些知識以可視的、動態改變的方式反饋給用戶。可視方式為用戶提供了以直觀的易于快速理解的知識掌握途徑,而動態改變的方式則滿足了用戶的及時性要求。它由特征提取、源信息采集、特征匹配三部分組成。特征提取負責根據一定的算法和策略,從現有的樣本文檔中提取出其內在的特征,即進行挖掘目標的特征提取;源信息采集負責從WWW上選擇下載原始文檔,這部分工作一般由多個具有一定啟發策略的Robot (Robot是一個能沿著Web頁面中的超鏈接進行自動漫游,并通過HTTP等標準協議讀取漫游到頁面的程序)完成;特征匹配是利用挖掘目標特征判斷源信息的相似度,即進行相關信息的提取。
3.聯機分析處理技術
首先,聯機分析處理 (OLAP)與數據挖掘 (DM)是基于數據倉庫 (數據庫)技術而發展起來的信息分析與挖掘工具,在實際應用中各有側重。前者是驗證型的,后者是挖掘型的。OLAP建立在多維視圖的基礎上,重在根據已有的模式將直接源自數據倉庫中的不同信息源的大量相關信息聯系起來,以給分析人員一個清晰、一致的視圖。DM建立在各種信息源的基礎上,重在發現隱藏在大量原始數據深層中的對用戶有用的模式。被抽取的即知識,具備可靠、新穎、有效、易于理解的特點。其次,OLAP與DM相結合,即OLAM,兼有OLAP多維分析的在線性、靈活性和DM對數據處理的深入性,因而可在更高層次上滿足網上信息分析與挖掘需求。目前OLAM正處于研究中,其核心點是:①OLAM建立在多維數據庫和OLAP的基礎上,能對任何它想要的數據進行挖掘;②用戶對挖掘算法具有動態選擇的權利;③具有超強的挖掘算法;④能夠協調執行效率與挖掘的準確性之間的關系;⑤具有靈活的可視化工具和良好的擴展性。
三、網上信息資源的開發方法
1.常規性開發
由于網上信息不斷更新,同時一些站點的URL也在變化,在開發網絡信息時,應不斷增加日常檢索頻率,把搜索網絡信息納入日常工作計劃中,做到分學科、按課題和科研需求進行開發。此外,為了保證查全率,不要只使用某一種引擎對某一專題的信息檢索,而要使用多種不同查詢工具,對一種主題反復查詢。
2.專題性開發
針對學科和學科建設,結合科研課題和研究領域等進行專題網絡資源開發。在專用的網絡服務器上把收集到的各種專業信息制作成網頁放在網上,同時把相關專業的網絡資源(如數據庫、電子報刊、BBS、專題討論等)以“友情鏈接”形式到網頁上,以拓寬檢索范圍,使用戶能方便快捷地從專門的網頁上得到所需的信息,并結合信息咨詢服務中的定題檢索(SDI)、回溯檢索(RS)、原文提供服務和進行科研項目查詢(on.going re―search)服務開展工作,指導用戶獲取所需的二次及一次信息源。
四、網上信息資源開發的利用途徑
1.熟悉網絡信息資源特點及分布狀況
了解常用信息資源的特點和分布方式,如國內外著名的科研機構、信息機構的特點和網址,及時而準確獲得這些權威機構的信息。如世界衛生組織及一些重要的學會協會等,通過其主頁經常一些重要的科研信息,對這些機構、學會的了解,可以幫助用戶及時掌握最新科研動態。
2.合理配置網上信息資源
由于我國對信息資源在時間、空間、數量三方面的配置存在不同程度的問題,即在空間的分配不均勻,時間的分配不合理,數量的分配不均衡,所以優化配置網絡資源尤為重要。在空間上注重網絡資源在不同地區、不同行業部門的分布,在數量上對各種各樣網絡信息資源采取合理比例配置,在時間上調整好網絡資源在過去、現在、將來三種時態上的配置。
3.建立學科信息導航庫
為了提高用戶檢索的檢準率和檢全率,為了使網絡信息有序化,建立學科信息導航系統,利用各種搜索引擎對某一主題信息上網查詢、瀏覽并參考有關文獻,選擇參考價值較高的信息資源,由專業人員經過加工、組織、歸類、設置類目,形成新的知識關聯,產生出更高層次上的綜合信息產品,方便用戶查詢。
4.利用國際聯機檢索系統
為了擴大獲取信息的范圍,一定要利用國際聯機檢索系統。其中最著名的是DIALOG系統。它是世界上最大的聯機檢索服務機構,有600多個數據庫,涉及到全文型、數據型、事實型、指導型的數據庫,有近3億條的記錄。涉及的學科專業范圍廣,檢索功能強,數據更新及時,文獻數據時間跨度大。是項目查新、文獻調研、課題立項、論文撰寫、專利申請等重要依據。它的聯入方式可通過Telnet方式聯入,也可通過www方式聯機的超文本界面。
5.開展個性化服務
隨著Internet信息技術和智能化技術的發展,借鑒人工智能技術將用戶信息需求組成過濾條件對信息資源進行過濾,來實現把資源中符合需求的內容提取出為用戶服務,從而形成一種因人而異的信息服務形態――個性化主動服務形態,即“信息找人”,更好地為用戶提供信息挖掘服務。
6.加強網上搜集,增強針對性
對重點學科和課題除進行定期服務、跟蹤服務、信息的調研等服務外,還要有針對性地廣泛搜集實用網址。如農業學科可搜集作物學、園藝學、林學、植保、畜牧獸醫、食品、水產養殖、生物學等方面的URL,還可收集一些農業研究機構、農業高等院校、農業國際會議等得URL。這樣做,不僅使用戶從虛擬館藏中得到現實的信息資源,而且深化了網絡信息資源服務層次。
7.成立網上信息資源開發部
在一定區域內建立網上信息資源新產品連鎖服務站,并通過與企業、商業、旅游服務業、科研、教學等單位掛鉤,向社會傳播有關信息產品,同時編制各種網上“指南”、“索引”或“聯機幫助”,指導用戶有效的利用網上信息資源。
8.建立用戶反饋意見欄目出版社
用戶對網絡信息資源的利用價值最有發言權,經求、收集用戶對專業站點及其信息資源評價信息,可以把務握網絡資源的內容質量、學術水平、編輯質量等,對篩選和評價專業網絡資源具有幫助,只有了解用戶需求,才能情報工作提高知識服務的水平,滿足用戶的信息需求。
9.舉辦多種形式的專題講座和信息活動
參考文獻:
[1]畢強.網絡信息資源管理[M].長春:吉林科學技術.
[2]王淑群.網絡環境下高校圖書館的用戶需求與信息服[J].圖書館論壇,2007,(4):32-34.
[3]王建侖.網絡科研信息資源的開發與利用[J].圖書情報工作,2008,(2):37-39.
