动员全社会力量实现公民科学素质目标

提升公民科学素质是建设创新型国家和持续提高国家竞争力的基础。自2006年国务院颁布《全民科学素质行动计划纲要（2006-2010-2020年）》以来,在各级政府和相关部门的共同努力下,我国公民科学素质建设取得了长足的进步,公民科学素质发展水平即将进入快速增长的时期。因此在“十三五”时期,抓住我国公民科学素质快速增长的机遇期,充分利用科普信息化等手段,推进重点人群科学素质提升,夯实科学素质共建机制,推动我国公民科学素质水平的跨越提升,实现公民科学素质发展目标。     

中国公民对科技的态度及特征分析

公民对科技的态度作为中国公民科学素质调查的重要组成部分为了解我国公民对科技的看法和态度提供了重要的数据基础,本文利用2015 年第九次中国公民科学素质调查的结果,采用因子分析提取出公民对科技态度的基本因子,比较不同属性、不同群体公民对于科技的态度差异。通过以上分析,展现出公民对科技的态度和看法的全貌,为进一步深入了解我国社会语境下公民、科技与社会的关系提供参考。     

中国公民获取科技信息的状况及新趋势

公民获取科技信息的渠道和途径是影响公民科学素质水平的重要因素,了解我国公民获取科技信息的渠道和来源、参加科普活动和利用科普基础设施的情况,分析不同群体获取科技信息的属性特征,对相关部门开展更有效的科学传播提供基础依据。此外,随着互联网的普及和信息技术的飞速发展,厘清新形势下公众获取科技信息渠道出现的新趋势,探讨新形势下科学传播的路径和策略,具有重要的实践意义。     

中国公民的科学素质及对科学技术的态度 ——2020年中国公民科学素质抽样调查报告

从研究者的角度描述和分析2020年中国公民科学素质抽样调查的概况和主要结果,通过对全国及各地区、各分类人群公民科学素质水平发展状况进行比较,对公民获取科技信息和参与科普活动的情况、公民对科学技术的态度等方面的调查数据进行综合分析和比较,全面客观解读2020年中国公民科学素质调查及其数据结果的全貌,为国家、各地区"十三五"公民科学素质评估和公民科学素质相关领域的研究提供基础数据与决策参考.     

中国公民的科学素质及对科学技术的态度———2015 年中国公民科学素质抽样调查结果

本文是对2015 年中国公民科学素质抽样调查的概况和主要结果的描述与分析。力求从研究者的角度,通过对全国及32 个省级行政区域的公民科学素质水平发展状况、公民获取科技信息和参与相关活动的情况及公民对科学技术的态度等方面调查数据的综合计算、分析和比较,全面客观解读2015 年中国公民科学素质调查及其数据结果的全貌,为公民科学素质相关领域的研究和科学技术有关部门的决策提供基础数据和参考依据。     

新时代公民科学素质发展目标的制定研究

《科学素质纲要(2021—2035年)》提出2025年和2035年我国公民科学素质的发展目标,本文从我国公民科学素质发展状况和结构特征、新时代面临的主要形势和发展要求、国内外公民科学素质的发展情况和主要趋势、制定公民科学素质发展目标的主要依据等方面展开解读和分析,并阐述了实现公民科学素质发展目标对于加快建成世界科技强国、实现人的全面发展、服务国家治理体系和治理能力现代化、服务构建人类命运共同体的重要意义.     

基于Gabor调制的深度多层子空间人脸识别算法

人脸识别的关键在于特征提取,过去主要从完美的低维特征子空间来刻画高维图像,但是近年来深度学习模型为特征提取提供新方向。本文提出在Gabor特征描述子调制下的深度子空间模型,在深度子空间这一新型深度学习框架基础上,使用Gabor滤波器组处理图像,并构建深度特征提取多层网络,得到Gabor调制下的深层抽象特征。首先将传统的8个方向5个尺度的40个Gabor滤波器在尺度上进行压缩得到8个基本Gabor滤波器组;然后将经过Gabor滤波的描述特征分别送入深度化改造的子空间模型,得到图像的深层特征表示;其次将这些特征进行哈希编码,直方图分块,作为描述特征。本文在FERET、ORL、CMU_PIE等数据库上讨论加入Gabor滤波器调制后的深度多层子空间特征提取模型在人脸识别问题上性能的提升,实验结果表明,该算法可以取得较好的识别率,并对光照、表情、姿态等有很好的鲁棒性,能够弥补浅层网络易受训练图像影响的缺点。      

科学素质研究中国实践解读

关于公民科学素质的研究在我国开展已有20多年。无论以中国公民科学素质调查为代表的公民科学素质调查,还是对科学素质内涵等理论上的探索,都促进了中国公民科学素质研究水平的提高。本文总结了科学素质研究在我国的一些现状及发展趋势,并对今后我国公民科学素质研究提出了参考性建议。     

不确定状态自动服务组合算法模型的研究

由于缺少合适的服务描述模型,基于BPEL服务组合方法无法实现自动服务组合。提出一个基于STRIPS的服务描述模型实现服务自动组合。当存在不同的服务前提对应不同服务结果时,STRIPS模型变成了一个NFA,扩展POPLAN算法,将NFA变成DFA,实现了不确定状态服务的自动组合。