湖北省高等教育自学考试大纲
课程名称：情报研究与预测科学课程代码：2131
第一部分课程性质与目标
一、课程性质与特点
情报研究与预测科学课程是信息管理与服务专业的专业课。现代科学的进步和经济建设的发展，对决策的科学性要求越来越高。科学的决策离不开有效的信息支持，伴随着决策支持系统的发展与成熟，情报研究与预测已成为科学决策中的重要环节，也是情报工作和情报学的重要领域。，，，DSS的影响。重要的信息处理技术。专家系统的具体作用。
理解：决策支持系统与专家系统的区别。
（三）决策支持系统的研究意义（一般）
识记：管理者工作的本质。需要计算机实现决策支持的原因。人工智能的主要研究与应用领域。
理解：什么是认知。
第2章决策理论与方法
一、学习目的和要求
通过本章的学习，要求考生识记和理解决策、决策过程、决策分类、决策模式、结构化决策模型与方法的基本理论，能应用基本的决策模型构建方法进行决策支持。
二、考核知识点与考核目标
（一）决策概述（重点）
识记：决策的概念。现代决策理论DSS数据库的三种策略。
（四）模型库子系统（重点）
识记：模型库子系统的特点、功能。模型库子系统的结构。模型库管理系统的功能。模型字典。
理解：模型库子系统的三个层次。通用模型库、转用模型库、智能模型库。
（五）知识库子系统（重点）
识记：知识库系统结构。元知识及其特点。推理机制。
（六）用户接口子系统（次重点）
识记：UIMS的功能。各种交互模式的特点。中间人员。
（七）决策支持系统的分类（一般）
识记：Alter的分类。Holsapple和Whinston的分类。
第4章决策支持系统的构造
一、学习目的和要求
通过本章的学习，要求考生识记和理解决策支持系统的开发方法、开发过程、设计阶段、实现与集成、开发工具方面的基本理论与知识，了解决策支持系统构造的基本软件技术，能应用决策支持系统的开发思想进行简单的设计。
二、考核知识点与考核目标
（一）决策支持系统的开发方法（重点）
识记：决策支持系统的开发策略。生命周期法。原型法。累接设计。柔性。面向对象的设计方法。
理解：原型法。累接设计的步骤。ROMC分析方法。面向代理方法。
（二）决策支持系统的开发过程（重点）
识记：决策支持系统的开发过程。
理解：决策支持系统的开发过程各阶段的工作。
（三）决策支持系统的设计阶段（重点）
识记：用户开发的决策支持系统。小组开发的决策支持系统。
理解：电子表格建模。用户开发与小组开发方式的不同。
应用：小组开发方式开发决策支持系统的工作划分和安排。
（四）决策支持系统的实现与集成（重点）
识记：评价DSS成功的准则。DSS成功实现的决定因素。DSS的实现策略。DSS集成的目的与因素。
理解：DSS实现的含义。用户参与对于DSS的含义。总控程序开发问题。单元集成、部件集成、多系统集成。
（五）决策支持系统开发工具（次重点）
识记：专用DSS、DSS生成器和DSS工具。三个技术层次之间的关系。
理解：DSS生成器的功能与特点。GFKD-DSS决策支持系统开发工具与分布式多媒体智能决策支持系统平台DM-IDSSP的特点。
第5章决策支持系统中的模型
一、学习目的和要求
通过本章的学习，要求考生识记模型的类型、表示与管理以及可视建模与分析的基本理论，理解决策支持系统中模型的构建方法。
二、考核知识点与考核目标
（一）模型的类型（一般）
识记：物理模型。定量模型。仿真模型。静态模型与动态模型。
理解：DSS运用模型的原因。
（二）数学模型（次重点）
识记：数学模型的分类。系统学的模型。仿真的类型。
理解：数学模型算法。
（三）模型的表示与管理（重点）
识记：模型的程序表示及其特点。程序表示模型的三个发展阶段。模型的数据表示。模型的关系理论。模型管理技术的发展过程。
理解：模型的关系理论。面向对象的数据模型。语义数据模型。模型的逻辑表示。
（四）可视建模与分析（重点）
识记：科学计算可视化。可视交互仿真。虚拟现实。三维表达的特点。
理解：可视交互仿真与常规仿真的不同。
第6章数据仓库
一、学习目的和要求
通过本章的学习，要求考生识记和理解数据仓库与OLAP的基本理论与方法，能进行基本的应用设计。
二、考核知识点与考核目标
（一）数据仓库的概念和结构（重点）
识记：事务处理环境不适宜DSS应用的原因。数据仓库。操作型数据与分析型数据之间的差别。数据集市。数据仓库特点。数据仓库的结构。数据仓库系统的结构。元数据。数据仓库与OLAP三层C／S结构的DSS。
理解：操作型处理和分析型处理。数据集市与数据仓库的区别。主题。
应用：根据分析需求确定主题及其内容。
（二）数据仓库的数据组织（重点）
识记：维、维的层次与类。三种多维表模型。多维表的设计步骤。
理解：多维数据及其优点。多维数据库的数据组织。
应用：用多维方式组织数据。设计简单的多维表。
（三）数据仓库系统的构造（次重点）
识记：数据仓库设计的三级数据模型。数据仓库设计的步骤。数据分割的考虑因素。提高数据仓库系统性能的技术。
理解：“数据驱动”的系统设计方法。确定粒度层次划分。
（四）数据仓库的查询与决策分析（重点）
识记：OLAP概念。OLAP的十二条规则。OLAP的多维数据分析功能。数据仓库体系结构。数据仓库查询。常用的索引技术。
理解：OLAP与OLTP的不同。MOLAP和ROLAP。
（五）数据管理和可视化（一般）
识记：可视化研究三个层次。可视化系统的组成、功能需求。可视化绘制方法。超媒体的特点。
理解：多维性表示的优缺点。多媒体DSS。
第7章数据挖掘
一、学习目的和要求
通过本章的学习，要求考生识记和理解数据挖掘中与情报研究有关的基本理论、技术和方法。
二、考核知识点与考核目标
（一）数据挖掘的概念（重点）
识记：KDD过程。数据挖掘。典型的DM体系结构。
理解：KDD与数据挖掘的区别与联系。
（二）数据挖掘的对象与任务（重点）
识记：关联分析、时序模式、聚类、分类、偏差检测和预测。“支持度”和“可信度”。
理解：关联规则。特征描述和辨别性描述。
（三）数据挖掘的方法与技术（重点）
识记：数据挖掘的方法与技术。ID3方法。覆盖正例排斥反例的方法、概念树方法和粗集方法。遗传算法。主要的统计分析方法。
（四）Web数据挖掘（次重点）
识记：Web数据挖掘的分类。文本摘要。文本分类。文本聚类。关联分析。分布分析与趋势预测。向量空间模型。hub。
理解：Web的逻辑结构。文本分类。文本聚类。Web链接结构的特征。HITS算法的内容。
第8章智能决策支持系统
一、学习目的和要求
通过本章的学习，要求考生识记和理解智能决策支持系统基础理论、概念、结构与实现的基本理论。
二、考核知识点与考核目标
（一）常规计算与人工智能计算（一般）
识记：人工智能。算法。常规计算处理数据的方式。
理解：人工智能计算与常规计算机程序的比较。
（二）专家系统（次重点）
识记：专家系统的定义与特点。专家系统结构。知识表示形式与推理机制。
（三）智能决策支持系统概念与结构（重点）
识记：IDSS系统结构三种类型、特点及工作方式。
理解：人工智能研究重点的转移。
（四）智能决策支持系统实现技术（重点）
识记：决策树的结构。决策问题的要素。三种接口集成方法。智能决策支持系统的柔性及其外部表现和特征。智能决策支持系统开发环境、环境的基本设计。广义知识元的概念。
理解：集成的概念。数据仓库与数据挖掘相结合的决策支持。
第9章群体决策支持系统
一、学习目的和要求
通过本章的学习，要求考生识记和理解群体决策支持系统的基本理论与实现方法，能应用相关技术进行方案评价选优。
二、考核知识点与考核目标
（一）群体决策理论与方法（重点）
识记：群体决策的概念、意义和背景。群体决策的三种类型。群体决策过程。群技术。几种典型的群技术。面向过程的群技术。面向任务的群技术。
理解：群体决策过程的数学模型。
（二）群体决策支持系统概念、功能和结构（重点）
识记：群体决策支持系统的概念、特点、功能、类型、组成和结构。
理解：群体决策支持系统提供的三个层次的技术支持。典型的群体决策支持系统结构常规决策支持系统电子商务概念企业电子商务的三个层次Agent的决策支持系统的基本理论，分析理解信贷决策支持系统案例，了解决策支持系统的发展趋势。
二、考核知识点与考核目标
（一）主管信息系统（次重点）
识记：主管、主管的作用及其工作特点和信息需求。主管信息系统的概念、功能与特点。主管信息系统中提供决策支持功能的方式。
理解：主管信息系统与决策支持系统的比较。
（二）基于Agent的决策支持系统（重点）
识记：Agent的概念、组成和特点。Agent的类型和技术层次以及应用范围。多Agent系统。基于Agent的决策支持系统的实现步骤。常用的智能Agent。
理解：智能Agent的能力和特点。智能Agent技术在决策支持系统中的应用。
（三）信贷决策支持系统案例分析（一般）
理解：信贷决策支持系统案例的分析和设计过程。
（四）决策支持系统的发展趋势（重点）
识记：决策支持系统的发展阶段划分。决策支持系统进一步发展的动力。在将来的一段时间里将迅速发展并获得广泛应用的决策支持系统。
第三部分有关说明与实施要求
一、考核的能力层次表述
本大纲在考核目标中，按照“识记”、“理解”、“应用”三个能力层次规定其应达到的能力层次要求，各能力层次为递进等级关系，后者必须建立在前者的基础上，其含义是：
识记：能知道有关名词、概念、知识的含义，并能正确认识和表达，是低层次的要求。
理解：在识记的基础上，能全面把握基本概念、基本原理、基本方法，能掌握有关概念、原理、方法的区别与联系，是较高层次的要求。
应用：在理解的基础上，能运用基本概念、基本原理、基本方法联系学过的多个知识点分析和解决有关的理论问题和实际问题，是最高层次的要求。
二、教材
指定教材：《数据仓库与决策支持》（2003年版），石丽主编，国防工业出版社（暂定）
推荐教材：《决策支持系统》（2004年版），张玉峰等主编，武汉大学出版社。
三、自学方法指导
1、在开始阅读指定教材某一章之前，先翻阅大纲中有关这一章的考核知识点及对知识点的能力层次要求和考核目标，以便在阅读教材时做到心中有数，有的放矢。
2、阅读教材时，要逐段细读，逐句推敲，集中精力，吃透每一个知识点，对基本概念必须深刻理解，对基本理论必须彻底弄清，对基本方法必须牢固掌握。
3、在自学过程中，既要思考问题，也要做好阅读笔记，包教材中的基本概念、原理、方法等加以整理，这可从中加深对问题的认识、理解和记忆，以利于突出重点，并涵盖整个内容，可以不断提高自学能力。
4、完成适当的辅导练习是理解、消化和巩固所学知识，培养分析问题、解决问题及提高能力的重要环节，在做练习之前，应认真阅读教材，按考核目标所要求的不同层次，掌握教材内容，在练习过程中对所学知识进行合理的回顾与发挥，注重理论联系实际和具体问题具体分析，解题时应注意培养逻辑性，针对问题围绕相关知识点进行层次（步骤）分明的论述或推导，明确各层次（步骤）间的逻辑关系。
四、对社会助学的要求
1、应熟知考试大纲对课程提出的总要求和各章的知识点。
2、应掌握各知识点要求达到的能力层次，并深刻理解对各知识点的考核目标。
3、辅导时，应以考试大纲为依据，指定的教材为基础，不要随意增删内容，以免与大纲脱节。
4、辅导时，应对学习方法进行指导，宜提倡“认真阅读教材，刻苦钻研教材，主动争取帮助，依靠自己学通“的方法。
5、辅导时，要注意突出重点，对考生提出的问题，不要有问即答，要积极启发引导。
6、注意对应考者能力的培养，特别是自学能力的培养，要引导学生逐步学会独立学习，在自学过程中善于提出问题，分析问题，做出判断，解决问题。
7、要使考生了解试题的难易与能力层次高低两者不完全是一回事，在各个能力层次中会存在着不同难度的试题。
8、助学学时：本课程共5学分，建议总课时90学时，其中助学课时分配如下：
章次 内容 学时 1 DSS概论 4 2 决策理论与方法 4 3 决策支持系统概述 4 4 决策支持系统的构造 4 5 决策支持系统中的模型 4 6 数据仓库 4 7 数据挖掘 4 8 智能决策支持系统 4 9 群体决策支持系统 4 10 基于网络的决策支持系统 4 11 决策支持系统的应用与发展 4 合计 44
五、关于命题考试的若干规定
1、本大纲各章所提到的内容和考核目标都是考试内容。试题覆盖到章，适当突出重点。
2、试卷中对不同能力层次要求的分数比例大致为：识记占40%，理解占35%，应用占25%。
3、试题难易程度应合理：易、较易、较难、难比例为2：3：3：2。
4、每份试卷中，各类考核所占比例约为：重点占65％，次重点占25％，一般占10％。
5、试题类型一般分为：单项选择题、多项选择题、名词解释、简答题、应用分析题。
6、考试采用闭卷笔试，考试时间150分钟，采用百分制评分，60分合格。
六、题型示例
（一）、单项选择题
1、决策有（）希望达到的目标。
A、至少1个 B、0个 C、唯一1个 D、2个或2个以上
（二）、多项选择题
1、现代决策理论决策是管理的中心，决策贯穿管理的全过程。在决策准则上，用满意性准则代替最优化准则。强调集体与组织对决策的影响。
–9–
|
|
