当前位置: 太阳成集团tyc9728 > 学术 > 正文

ASIS&T SIG-KM 2022国际研讨会成功举办

发布时间:2022-09-28浏览次数:

通讯员黄慧、成皓飞 供图郝阳歧、阮雪琴)9月24日,由武汉大学信息资源研究中心,美国北德克萨斯大学信息科学系、圣何塞州立大学信息学院、南卡罗莱纳大学信息与通信学院,孟加拉国达卡大学信息科学与图书馆管理系等联合主办的国际信息科学与技术学会ASIS&T SIG-KM International Research Symposium 2022在线上召开。来自中国、美国、波兰、哥伦比亚、爱沙尼亚、孟加拉国、印度、菲律宾、巴基斯坦、伊朗、尼日利亚等国家和地区的百余位专家学者围绕主题“信息弹性社会中的知识管理”(Knowledge Management in an Information-Resilient Society)进行了深入交流。本次研讨会由主旨报告、论文宣讲、学位论文交流、海报展示等部分组成。

国际信息科学与技术学会(ASIS&T)主席Naresh Agarwal教授致开幕辞。他对来自世界各地参会的专家学者表示欢迎,希望此次会议是一个有活力且有重要意义的会议,期待大家能够进行深入交流与讨论,在精彩的思想碰撞中得到启发,并通过会议建立美好的友谊。ASIS&T SIG-KM主席、武汉大学信息管理学院教授、武汉大学信息资源研究中心数据管理与知识服务研究室主任安璐致辞,感谢ASIS&T主席、主旨报告人、论文作者与研究人员的积极参与,指出每个人都是兼职的知识管理者,期待与会人员能够畅快交流,收获良多。ASIS&T SIG-KM候任主席(Chair-Elect)、北德克萨斯大学信息学院董事教授(Regents Professor)Jeff M. Allen向各位参会者表示欢迎,并介绍了SIG-KM组成人员。

武汉大学信息管理学院院长、信息资源研究中心研究员陆伟教授作题为“Academic Keyword Semantic Function Identification and Its Application”的主旨报告。他针对当前词汇功能识别研究依赖于人工构建的特征,并缺乏公开可用的数据集的局限性,结合基于多种不同策略的关键词功能识别模型的优缺点,提出同时在低资源和高资源情境中都具有良好表现的词汇功能识别模型MPT。该模型能应用于作者关键词选择行为、学术论文新颖性度量、机理抽取等研究。

陆伟指出,词汇功能即为词汇在特定语境中承载的语义功能。在不同的学术领域,词汇功能也有所不同。如计算机科学领域的词汇功能主要有数据、工具、度量标准,医学领域的词汇功能主要有药品、疾病、基因。关键词是一种能够对文本内容和主题高度凝练概括的功能性词汇,标识学术文献中的关键词功能能够为下游任务提供底层索引支持。因此,他认为,进行词汇功能识别的研究具有重要的理论意义与实践价值。

卡塔尔计算研究所社会计算小组(QCRI)首席科学家、Information Processing & Management主编Jim Jansen教授作题为“The Illusion of Data Validity: Why Numbers About People Are Likely Wrong”的主旨报告。

Jansen从开尔文勋爵关于数字的表述谈起,以其研究报告“Measuring user interactions with websites: A comparison of two industry standard analytics approaches using data of 86 websites”中的数据分析为例,对数据有效性的幻觉进行了阐述,指出一些与人相关的数字可能是错误的。该报告通过测量86个网站的用户与网站的互动数据,对基于两种不同行业标准的分析方法进行了比较。通过研究发现,两种分析方法得出的指标结果均有显著不同。Jansen认为,基于两种分析方法得到的指标可能都既不准确,又不精确(即错误),因为这些指标在测量过程中都存在许多误差。他指出,当我们对与人有关的数字进行分析时,往往认为我们在计算数字,然而实际上,我们通常是在测量,测量就会存在一定的误差。他提出,在处理有关人的数字时,应检查是在计算还是测量,如果是在测量,则应当认识到误差的来源。

美国洛杉矶大学、哥伦比亚波哥大罗萨里奥大学管理与商业学院、印度沃森大学、巴基斯坦旁遮普大学信息管理学院、尼日利亚卡拉巴尔大学、南京大学信息管理学院、北京大学健康医疗大数据国家研究院、复旦大学发展研究院、中国农业科学院农业信息研究所、中国医学科学院医学信息研究所、上海外国语大学、河北大学管理学院等高校和科研院所的师生分享了他们在中小企业联盟管理能力与绩效、政府科学-研究-技术政策研究、学术图书馆员的五大人格特质与知识共享意愿、用户需求的网络电影元数据集开发、数据库丰富技术实现数据与文献的联系、多标签用户画像和知识表征的知识服务系统多元化推荐模型、知识库与文本的链接、用于理解Covid-19临床知识概念间关系的第三因素变量发现等主题上的研究成果,并与参会人员进行了热烈讨论。

上海大学、武汉大学、吉林大学、巴基斯坦巴哈瓦尔普尔伊斯兰大学等高校的研究生分享了知识网红如何吸引用户为知识付费、危机事件跨平台网络信息的最佳阅读路径、新冠疫情背景下群体极化的影响因素及形成机制、巴基斯坦大学图书馆电子论文数字化库建设展望等主题的学位论文。

美国北德克萨斯大学、爱沙尼亚塔林理工大学、菲律宾中央大学、中山大学等高校的学者展示了他们在群体智慧模型、基于Web的图书馆聊天机器人的实现与应用、医疗保健组织知识风险管理框架、高校知识产权信息服务等方面的研究内容。

Jeff M. Allen也分享了他在群体智慧模型上五年多来的研究成果。他认为,智慧由多种不同特征和美德经过复杂的交互作用演化而来,这些特征和美德可以聚集在知识和经验、自我理解、理解他人三者之中。当一个人或一群人利用他们的知识经验和理解来识别模式、联系和基本原则,从而做出正确的判断和明智的决定时,智慧就可以从知识中“进化”而来。集体智慧是由一个相互关联的群体培养和发展起来的智慧行为的综合集合,其目的是为群体、社区和社会确定一个有益的行动方案。

Jeff M. Allen提出了群体智慧模型,该模型描绘群体智慧发展和形成所需的五个要素:社区(Community)、共同愿景(Shared Vision)、健康(Health)、学习与遗忘(Learning & Unlearning)、成长与演化(Growth & Evolution)。首先,关于社区,我们在家庭、工作场所等社区所分享的一切知识,其实都是在培养一种群体智慧。其次,社区成员能够有意愿、自由地分享知识的前提在于他们都有共同的愿景。共同愿景能指导社区成员决定当下要做什么以及要达成什么样的目标。其三,社区需要有健康良好的发展环境。只有在健康的组织或工作场所进行合作与交流,人们才有可能进行认识、分享和学习。同时,我们要不断学习,不仅是学习自身领域的知识、技能,我们还需要去探索那些我们从未到达的领域,挖掘新的事物、新的学问。最后是成长与演化,我们所积累的一切知识学问都不是静止的,而是不断发展、不断进化的,并且只有经过这样的历程,这些知识与经验才能真正内化成我们所用的智慧。

针对会议分享的论文、学位论文、海报,研讨会分别评选出了3名获奖者和1项荣誉提名奖。(责编雷婷

Baidu
sogou