知识与智慧:现代文明中的二律背反

知识是关于具体事物的认识 ,关乎工具合理性 ,智慧则是人对世界和人生博大圆融的理解 ,关乎价值合理性。今日种种全球性危机 ,反映出现代人知识有余而智慧不足 ,重经济、科技而轻视人文、信仰 ,重工具理性而轻视价值理性 ,重智巧、谋略而不重德性、品格……这种种二元对立使现代人虽有强大力量却不能正确运用 ,使人类面临自我毁灭的危险。现代文明急需拥有与强大知识相当的高超智慧 ,它们是确保人类文明安然生存与健康发展的必要条件     

市场经济中的虚拟资本

虚拟资本作为一种资本存在形式与市场经济的发展相联系。随着市场经济的发展,虚拟资本在整个经济体系中的地位与作用赵来越重要。虚拟资本有两种基本形态,并从两个方面作用和影响着实际资本。虚拟资本运动的特点主要表现为投机。     

澳大利亚OTEN的信息技术虚拟校园

本文介绍了澳大利亚公开培训与教育网络（OTEN）为学习信息技术课程的学生提供的在线教育平台──虚拟校园。     

原生论抑或工具论——读《族群与边界》对于民族性的解释与思考

巴斯对于族群的边界、族群认同及族群间的互动等方面有着自己的看法。他认为族群是社会建构的,调查群体的实体和意识形态时注意力应该聚焦于群体边界,并把族群互动作为讨论的中心,认为族群认同的形成贯穿于吸纳和排斥的关系过程中。其对于巴斯的观点也作出了具体而详细的梳理,看到了田野调查对族群研究的重要意义。最后他将富尔人和巴加拉人的族群融合与拉迪诺人和土著印第安人的相互排斥进行对比,并通过民族性的原生论和工具论进行充分解释。     

盗窃虚拟财产的法律问题研究

拟就虚拟财产为主要研究对象,由虚拟财产的法律属性、价值认定以及法益侵害等多个方面为研究方向,以期对盗窃虚拟财产的行为的定罪量刑问题进行深入的探讨。     

大数据背景下网络调查样本的建模推断问题研究——以广义Boosted模型的倾向得分推断为例

随着大数据和网络的不断发展,网络调查越来越广泛,大部分网络调查样本属于非概率样本,难以采用传统的抽样推断理论进行推断,如何解决网络调查样本的推断问题是大数据背景下网络调查发展的迫切需求。本文首次从建模的角度提出了解决该问题的基本思路：一是入样概率的建模推断,可以考虑构建基于机器学习与变量选择的倾向得分模型来估计入样概率推断总体;二是目标变量的建模推断,可以考虑直接对目标变量建立参数、非参数或半参数超总体模型进行估计;三是入样概率与目标变量的双重建模推断,可以考虑进行倾向得分模型与超总体模型的加权估计与混合推断。最后,以基于广义Boosted模型的入样概率建模推断为例演示了具体解决方法。     

虚拟品牌社区中顾客价值共创行为研究北大核心CSSCI

大量商业实践表明虚拟品牌社区已成为企业塑造和推广品牌的重要场景,因此,认识并把握社区中顾客价值共创行为背后的动因与利益诉求,可以促进顾客与企业更好地创造价值。本文界定了虚拟品牌社区中顾客价值共创的反应行为与公民行为,运用刺激-机体-反应理论,结合社区调研,构建了虚拟品牌社区特征、顾客参与社区的收益对价值共创行为影响的模型,提出假设并运用有效数据进行实证检验。结果表明,顾客反应行为受到消费功能、社交与自我成就以及享乐收益的显著正向影响,公民行为受到社交与自我成就收益、享乐收益的显著正向影响。当顾客反应行为受到消费功能显著影响时,公民行为并不受到显著影响;但公民行为受到社交与自我成就收益的显著影响。     

计算机网络虚拟实验教学平台的设计与实现探索

随着科学技术的不断发展,在计算机网络教学中,必须充分重视实践操作能力,只有这样才能确保教学质量得到提高。因此,必须加大力度深入研究虚拟实验教学平台的设计开发和应用,为学生提供一个良好的学习平台,从而使学生可以得到全方位的培养,并且学习效率进一步提升。     

后现代语境下网络造句现象的解读与反思

后现代语境下的网络造句既是一种文化现象,也是一种社会现象。它采用复制拼贴、移植杂揉、反讽戏谑等手法,把“娱乐至死”精神发挥到极致,刻画出了一幅全民参与的狂欢图景。并非所有的网络造句现象都是无实质意义的娱乐化产物,有相当部分的网络造句现象来源于现实社会问题,只不过表达形式采取了娱乐式的戏谑手法。然而过度娱乐化,却会造成文化消费主义、虚无主义、非理性主义、个人主义伴随着网络造句现象不断蔓延。为此,需要对后现代语境下网络造句现象的消极影响进行理性反思,有针对性地加以消解,从而保障虚拟社会得以秩序化运行。     

基于最大收益的无线虚拟网络重映射算法

针对无线环境的动态性及虚拟网络请求到达与离开的随机性,使得物理网络负载分布不均衡,导致后续请求的接受率降低的问题,提出一种无线网络虚拟化中的两阶段重映射算法（two stages reconfiguration scheme for wireless network virtualization,TR-WNV）。该算法通过第1个阶段选出合适的虚拟网络进行重映射,接着在第2个阶段按照优先级对已选出的虚拟网络进行重映射,并根据离散度来判断每次映射效果。最后,通过仿真对算法进行验证,结果表明该算法在保证虚拟网络请求收益最大化同时,有效提高了虚拟网络请求接受率,实现整个底层网络的负载分布均衡。