4电子政务的主要应用.ppt

3.1办公自动化系统 办公室自动化概念提法出现在20世纪30年代，所谓OA，主要是指利用先进的科学技术将办公人员和计算机技术、网络技术、现代化办公用品等先进设备结合起来构成人机信息处理系统。 数据挖掘在电子政务中的应用 数据挖掘,又称数据库中的知识发现,是指从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的但又是潜在的有用信息和知识的过程。 数据挖掘的方法通常可以分为两大类:一类是统计型,常用的技术有概率分析、相关性、聚类分析和判别分析等;另一类是人工智能中的机器学习型,通过训练和学习大量的样品集得出需要的模式或参数。在本文中我们以SPSS 中的多维交叉表分析和关联分析为例,说明数据挖掘在电子化公共服务中的应用方法。 该分析方法仅停留在问题表面，将每一道题目孤立地对待，没有揭示出问题之间的内在联系。比如从结论中我们无法了解某个年龄层次同该层次所关注的问题之间是否存在一定的联系，或是不同的学历层次是否会影响其选择等。 a. 分析数据、定义变量 对于选择题，要先考虑将每道题目定义成一个变量，如年龄定义为age 变量、学历定义为degree 变量、所希望增加的版块定义为care 变量。又由于SPSS不能处理字符型变量,因此要将定性答案转换为数字型答案，转换前后变量值的对应关系见表2 。 　年龄填写为“17”岁的，将其归为“18 岁以下”，替换值为1 ；学历在高中的，选择替换值为3 ；“认为政府网站所要增加的版块和内容”选择“论坛”的，将其选择替换为4 ，以此类推。按照转换后的值建立数据文件，由于篇幅关系只列出部分数据,如表3 所示。 b. 多维交叉表分析(crosstabs) 　采用SPSS 中的多维交叉表分析功能，随机选择30 个样本，得出结论如图2 所示。 c. 结论分析 从交叉表(左侧) 中我们可以看出不同年龄层次的用户、不同学历以及关心增加版块的频数分布的交叉情况。例如在年龄18 岁以下组中，共计9 个人，学历分别为初中和高中:其中初中组对增添留言版感兴趣的1 人，对增添论坛感兴趣的1 人，而高中组对增添留言版感兴趣的3 人，对增添论坛感兴趣的4 人。从总体来看，18 岁以下组中对增添留言版和论坛版块兴趣较大，这同青年人喜好相一致。与此相比，30～50 岁和50 岁以上组感兴趣的内容主要集中在增添总理信箱和网上办事版块上，这体现了成年人比较务实的思想。根据这一分析，在设计留言版和论坛的时候应尽量多考虑年轻人的因素，从界面风格到论坛主题的划分可以多参考年轻人的喜好，而在规划总理信箱和网上办事版块上则要多结合成年人的实际情况。 从相关系数表(右侧) 中可以看出,在4 个不同的年龄层次中,18～30 岁年龄组中学历同所关心版块之间的相关度较高,皮尔逊相关系数为- 0. 645 ,其余三个年龄层次学历同所关心的版块之间的相关性不明显,皮尔逊相关系数分别为:18岁以下组为0. 06 ;30～50 岁组为- 0. 316 ;50 岁以上组为0.447 。皮尔逊系数的绝对值越接近于1 表明相关性越大,越接近于0 表示越不相关。这组数据说明从总体上看,学历同其选择之间没有明显的相关性,换言之,学历对群众感兴趣的项目没有很大的影响,在同一个年龄层次中,无论是高学历还是低学历他们所关注的问题都相差无几。 数据、信息、知识与智能关系 数据：数字、字母与符号的集合；未经组织的数字、词语、声音、图象等。 信息：以有意义的形式加以排列和处理的数据(有意义的数据)；信息是物质存在的一种方式、形态或运动状态，也是事物的一种普遍属性，一般指数据、消息中所包含的意义，可以使消息中所描述事件的不确定性减少（GB/T 4894-1985）。 知识：是经过人的思维整理过的信息、数据、形象、意象、价值标准以及社会的其他符号化产物。简单的说，就是提供解决问题的方法。 知识型E-gov系统 相对于事务交互型的电子政务系统而言，知识型电子政务系统不仅仅包括集成如网页、大容量的文档存储、广泛的消息传递、协作服务、完善的应用程序主机和工作流服务等内容，还包括利用信息技术和制度创新以实现更好的沟通和更好的决策。 知识型E-gov系统的特点 强烈的社会科学和自然科学交叉性 具有知识管理和组织学习的特征 知识型E—gov具有跨政府组织边界的特征 应付高度的复杂性和易变性问题的能力 E-gov系统的特征变化趋势 知识管理在E-gov中的应用 从系统开发的角度上来看，在用知识管理技术构建E—gov时需要考虑四个层次的问题：一是基础层，要对机构业务流程有一个整体性认识并作为组织的发展目标 二是过程层，即要改造现有业务流程以适应知识管理带束的新要求；三是互动层，即要把知识从不同的人和机器智能整理并显性化。一般来说，显性