建构性技术评价范式的演进与发展

建构性技术评价扩大了新技术的设计范围,其核心思想是扩大技术决策的基础,并且在评价过程中开展团体间的互动交流。分析了这种技术评价范式的起源,内涵,理论基础和设计实践,认为与传统的技术评价相比,建构性技术评价不仅仅是一种新形式的技术评价,还是一种新的技术管理范式。     

工作不安全感对员工建言行为的影响

员工建言对于组织发展具有重要意义,当个体处于工作不安全状态下,如何促进员工的积极建言而抑制其消极建言是组织需要考虑的关键问题。为探明工作不安全感对员工建言行为的影响,采用两阶段追踪调查数据,将员工建言行为分为建设型建言和防御型建言,运用层级回归模型与Bootstrap分析方法,对446名企业员工进行了问卷调查。研究结果表明：工作不安全感对建设型建言有显著负向影响,对防御型建言有显著正向影响,感知控制在其中起中介作用;组织地位感知正向调节了工作不安全感通过感知控制影响建设型建言、防御型建言的间接效应。研究结果不仅丰富了工作不安全感与建言行为的理论研究,也为有效激发员工建言行为提供了有益的启示。     

基于概率的覆盖算法的模型及仿真研究

提出的基于概率的覆盖算法--PBcA是一种新的分类算法,它利用学习所得到的样本的概率分布信息,通过投票的方式来决定覆盖边界中样本的类别.从网络结构上看,它是一种混合型的神经网络,由下面三层的前馈网络和上层的反馈网络组成.通过在覆盖中加入一定数量的异类样本和使用概率的方法来扩大覆盖半径,减少拒识的样本数,提高识别率.计算机仿真实验表明,这种方法有效地提高了学习的精度.     

基于Rough集和构造性学习神经网络的经济预警模型

在深入分析人工神经网络(ANN)与粗集(Rough set)理论方法的基础上,将Rough集、构造性神经网络与宏观经济预警研究相结合,尝试建立起基于Rough集-覆盖算法的构造性神经网络宏观经济预警方法体系;结合安徽省经济数据,对该模型预警实证分析。理论和实践证明,基于Rough集-覆盖算法的构造性神经网络预警模型是有效的、可行的,且具有较高的精度,从而为动态经济预警提供一条新的途经。