摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 研究背景及意义 | 第11-12页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究目的及意义 | 第12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-15页 |
1.2.3 国内外研究现状评述 | 第15页 |
1.3 主要研究内容和方法 | 第15-18页 |
1.3.1 主要研究内容 | 第15-16页 |
1.3.2 主要研究方法 | 第16页 |
1.3.3 技术路线 | 第16-18页 |
第2章 CEITIA 知识转移与共享过程分析 | 第18-31页 |
2.1 IT 产业联盟内涵及特征 | 第18-20页 |
2.1.1 IT 产业与 IT 产业联盟内涵 | 第18-19页 |
2.1.2 IT 产业联盟特征 | 第19-20页 |
2.2 IT 产业联盟形成动因 | 第20-21页 |
2.2.1 基于交易成本的动因分析 | 第20页 |
2.2.2 基于资源角度的动因分析 | 第20-21页 |
2.3 IT 产业联盟中知识的类型及特征 | 第21-23页 |
2.3.1 IT 产业联盟中知识的类型 | 第21-22页 |
2.3.2 IT 产业联盟中知识的特征 | 第22-23页 |
2.4 CEITIA 知识管理活动分析 | 第23-26页 |
2.4.1 云计算的内涵及特征 | 第23-24页 |
2.4.2 云计算环境下 IT 产业联盟知识管理优势分析 | 第24页 |
2.4.3 IT 产业联盟知识管理云平台模型 | 第24-26页 |
2.5 基于知识生态视角的 CEITIA 知识转移过程 | 第26-27页 |
2.6 CEITIA 知识共享 SE-IE-CI 模型 | 第27-30页 |
2.7 本章小结 | 第30-31页 |
第3章 CEITIA 知识转移与共享效果评价指标体系 | 第31-43页 |
3.1 CEITIA 知识转移与共享效果评价指标的构建原则 | 第31页 |
3.2 CEITIA 知识转移与共享效果评价指标预选 | 第31-34页 |
3.2.1 联盟个体指标 | 第31-32页 |
3.2.2 联盟整体指标 | 第32页 |
3.2.3 云计算技术指标 | 第32-34页 |
3.3 CEITIA 知识转移与共享效果评价指标测度 | 第34-39页 |
3.3.1 CEITIA 知识存量表示模型 | 第34-38页 |
3.3.2 CEITIA 知识存量的度量 | 第38-39页 |
3.4 基于粗糙集理论的评价指标体系优化 | 第39-41页 |
3.4.1 粗糙集的适用性分析 | 第39页 |
3.4.2 粗糙集决策表建立 | 第39-40页 |
3.4.3 数据离散化处理 | 第40页 |
3.4.4 属性约简 | 第40-41页 |
3.4.5 评价指标体系确定 | 第41页 |
3.5 本章小结 | 第41-43页 |
第4章 CEITIA 知识转移与共享效果评价方法 | 第43-50页 |
4.1 评价方法的选取 | 第43-44页 |
4.1.1 评价方法的对比 | 第43页 |
4.1.2 D-S 证据推理算法的优势分析 | 第43-44页 |
4.2 D-S 证据推理理论评价模型 | 第44-48页 |
4.2.1 模型定义 | 第44-45页 |
4.2.2 D-S 证据推理模型的改进 | 第45-47页 |
4.2.3 知识转移与共享效果评价模型构建 | 第47-48页 |
4.3 基于 D-S 证据推理的评价流程 | 第48-49页 |
4.4 本章小结 | 第49-50页 |
第5章 成都市云计算产业联盟知识转移与共享效果评价研究 | 第50-56页 |
5.1 成都市云计算产业联盟背景 | 第50页 |
5.2 成都云计算产业联盟知识转移与共享效果评价体系 | 第50-54页 |
5.2.1 指标体系构建 | 第50-52页 |
5.2.2 效果评价方法 | 第52-54页 |
5.2.3 评价结果分析 | 第54页 |
5.3 提升成都云计算产业联盟知识转移与共享效果的对策建议 | 第54-55页 |
5.4 本章小结 | 第55-56页 |
结论 | 第56-57页 |
参考文献 | 第57-63页 |
攻读学位期间发表的学术论文 | 第63-64页 |
致谢 | 第64页 |