信息资源开发与管理——办公自动化

1、 信息资源开发与管理基于共词分析的办公自动化发展方向研究 班级： 管经1402班 学号： 21411055姓名： 郭振亚1实验内容 本实验是对办公自动化的文献研究实验。主要基于对文献资源进行检索，寻找相关的文献资源，并对文献资源进行一系列的挖掘，从而能够对“办公自动化”这个研究题目进行初步的了解。实验步骤：（1）收集文献并整理文献；（2）利用相关软件对文献进行一系列分析；（3）得出对文献分析的结论（即对办公自动化的研究热点有初步了解）。2文献获取为了对办公自动化领域的研究和特点等一些情况的了解，本实验选择了本校（即大连理工大学）图书馆的“中国优秀博士硕士生论文”库进行检索。通过下载文献，并对文

2、献进行收集。主要收集过程为：为了保证是文献，首先将没有作者且没有刊名的筛选掉；设定的文献刊登时间在2008年2012年之间；除了以上行为，还初步对收集的文献进行分析，若与办公自动化无关便将其删除。最后，得到1100篇文献，准备对其进行处理。 将文献的主要信息制成文献数据结构表，如下：表1 文献数据结构表题名作者关键词单位摘要刊名出版日期以下为部分文件数据结构图： 图1 文献数据结构图3.关键词确定使用Excel，通过其的统计功能，对词频进行统计。原始关键词有1093个，从中选择词频为12个以上的，共有27个。之后并对以下关键词进行删除：（1）出现频率过高（即比其它关键词高过多），有：办公自动化

3、；（2）与某个关键词相关性太强，有：自动化。筛选后，得到比较高频的关键词25个。表2 办公自动化研究领域关键词词频表序号关键词词频序号关键词词频序号关键词词频序号关键词词频1办公自动化系统788应用2715计算机2022医院142工作流649网络安全2616数据库1923自动化143高校4910设计2417Lotus1724Web134OA3711ASP.NET2318ASP1625高职院校135网络3312管理2319J2EE1626中小企业126电子政务2813B/S2220安全167OA系统2714信息化2221教学改革154.建立供词相关矩阵、相似矩阵、相异矩阵（1）共词矩阵关键词词频

4、表，表示其中的关键词是有关办公自动化文献中出现频率最高的词，它们从一定程度上说明了这些词与办公自动化的研究有着很密切的关系。为了进一步对这些词与办公自动化的关系有一定的了解，了解其中的联系，利用Excel对这些关键词进行两两共词检索，统计它们两两在文献中出现的频率，从而建立一个25*25的关键词共词矩阵。完全共词矩阵如下：共词矩阵为对称矩阵, 主对角线的数据定义为缺失, 非主对角中单元格的数据为两个关键词共同出现的次数。如关键词“信息化建设”与“ 对策” 的共词频次为8, 即表示有8篇论文同时使用了这两个关键词。由于下面运用的多元统计方法对矩阵的数据结构有不同的要求, 为了统计分析的方便, 因

5、此用系数将共词矩阵转换成相关矩阵, 具体方法是将共词矩阵中的每个数字都除以与之相关的两个词的总出现频次的开方的积。在相关矩阵中由于值过多, 统计时误差过大, 有可能影响分析结果。为了方便进一步处理, 用与全部相关矩阵上的数据相减, 得到表示两词间相异程度的相异矩阵。（2）相似矩阵由于将要运用的多元统计方法对矩阵的数据结构有不同的要求,为了统计分析的方便,本文将相关矩阵转化为相似矩阵和相异矩阵。具体方法是,用Ochiia系数将共词矩阵转换成相似矩阵,即:Ochiia ( a, b) =，其中, Ochiia ( a, b) 表示a、b两词的Ochiia系数; 表示a、b两词共同出现的次数; 表示

6、关键词a出现的频次; 表示关键词b出现的频次。利用该公式进行计算,得到相似矩阵。完全相似矩阵如下：相似矩阵中的数字表明其对应两个关键词之间的亲疏关系,数值越大则表明关键词之间的距离越近,相似度越好;反之,数值越小则表明关键词之间的距离越远,相似度越差。（3）相异矩阵由于相似矩阵中的0值过多,统计时容易造成误差过大,为了方便进一步处理,用1与全部相似矩阵中的数据相减,得到表示两词间相异程度的相异矩阵。完全相异矩阵如下：相异矩阵中的数据表示不相似数据,数值越大则表明关键词之间的距离越远,相似度越差;反之,数值越小则表明关键词之间的距离越近,相似度越高。5.聚类分析本实验采用层次聚类(Hierarc

7、hical Cluster) ,选择离差平方和法(Wards Method) 与离散数据类型(Count)中的斐方( Phi-square Measure) 方法。可以初步判断各关键词之间的关联程度。本实验主要通过运用SPSS17.0版本进行聚类分析。聚类分析结果树状图如下：* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Average Linkage

8、 (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +-+-+-+-+-+ 4 -+-+ 7 -+ +-+ 12 -+ | 23 -+-+ | 25 -+ +-+ +-+ 21 -+-+ | | | 24 -+ | | | | 6 -+ +-+ | 8 -+-+ | | 15 -+ +-+ | | 3 -+ | | | 14 -+-+ +-+ | 22 -+ +-+ +-+ 10 -+-+ | | | | 19 -+ +-+ | | | 1 -+ | | | 2 -+-+ |

9、 | | 17 -+ +-+ | | 16 -+ | | 11 -+-+ | | 18 -+ +-+ | 13 -+ | 5 -+-+ | 9 -+ +-+ 20 -+图2 聚类分析结果树状图6.因子分析在聚类分析基础上,再利用因子分析对研究前沿进行进一步的论证,以利于解释。因子分析 ( factor analysis)是一种多变量分析方法,能将众多的具有错综复杂关系的指标归结为少数几个综合指标(公共因子或因子变量) ,达到降维和简化数据的目的。因子分析要达到的目标就是用尽可能少的因子去描述众多的指标或因素之间的联系,其基本思想是根据关键词间的相关性大小把研究对象的变量分组使得同组内的变量之间

10、相关性较高,而不同组的变量相关性较低。每组变量代表一个基本结构,这个基本结构称为公共因子,这样较少的几个公共因子就可以反映原资料的大部分信息。利用因子分析法,可根据因子得分值,在因子所构成的空间中把研究对象的变量点画出来,从而客观地达到分类的目的,并以此来对聚类分析结果进行完善。通过下表,可以看出25个关键词中共有10个公共因子被提取,其方差累积贡献率为80.226%，它们能够解释全部信息的80.226%，从而说明25个关键词可以分别从属于10个不同的类别。因子相关系数矩阵可以反映出各关键字在不同公共因子中的相关度,主要通过因子中各关键词的相关系数的大小进行相关性的判断,为关键词的聚类提供更加

11、细致的依据(由于负载临界值越高,所确定的分类结构越简单。根据本文的数据情况,为能较好反映关键词的组成结构,这里将负载临界值定为0. 5，即负载临界值小于0.5的不予显示。)本实验是使用SPSS17.0版本进行因子分析。解释的总方差成份初始特征值旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %13.59014.36014.3602.90411.61711.61723.28513.14127.5012.86911.47623.09232.69010.76238.2632.4739.89232.98442.1048.41646.6792.1408.56141.54551.7266.9045

12、3.5831.9107.64149.18661.6226.49060.0731.7116.84656.03171.4955.98266.0551.6706.68262.71381.2685.07071.1251.5746.29769.01191.2244.89676.0211.4835.93074.941101.0514.20580.2261.3215.28480.22611.8443.37683.60112.7763.10586.70613.6622.64689.35314.5512.20591.55815.5112.04393.60016.4411.76595.36517.4031.614

13、96.97918.237.94697.92519.187.75098.67520.135.54099.21521.104.41599.63122.088.35199.98223.004.01599.99724.001.003100.00025-1.286E-16-5.144E-16100.000提取方法：主成份分析。表3 因子数/覆盖信息量因子相关系数矩阵可以反映出各关键字在不同公共因子中的相关度,主要通过因子中各关键词的相关系数的大小进行相关性的判断,为关键词的聚类提供更加细致的依据。旋转成份矩阵a成份12345678910办公自动化系统.461工作流.790高校.839OA.961网络.9

14、42电子政务.640OA系统.965应用.824网络安全.981设计.844ASP.net.906管理.511.529B/S.772信息化.816计算机.829数据库-.557lotus.825ASP.939J2EE.825安全.927教学改革-.625医院.831Web.768高职院校-.652中小企业.834表4 旋转成分矩阵（因子负载值临界值为0.5）图3 碎石图表5 因子分析确定办公自动化研究结构1.网络安全2.办公动态服务3.OA系统4.计算机应用5.医院信息化网络0.942办公自动化系统0.461OA0.961应用0.824信息化0.816网络安全0.981ASP.net0.906

15、OA系统0.965计算机0.829医院0.813安全0.927B/S0.772ASP0.9396.技术架构设计7.工作流8.企业网络9.高校数据库管理10.教学与政务设计0.844工作流0.790Web0.768高校0.839电子政务0.640J2EE0.825Lotus0.825中小企业0.834管理0.529教学改革0.625数据库0.557高职院校0.6527.多维度分析多维尺度分析通过测定观测量之间的距离来发现研究结构，其原理是通过指定观测量在概念空间的一个特定位置，得到空间中距离的相似性。在结果中点的位置显示了对象之间的相似性，越在中间的对象处于越核心的地位。通过SPSS17.0软件

16、Scale功能中的多维尺度分析功能对相异矩阵进行多维尺度分析。得到相关可视化结果如下：8.结果分析 结合办公自动化领域的研究结构结合文献对结构逐一解读和阐述： （1）网络安全（网络、网络安全、安全）。 为了使办公自动化更充分地利用，计算机要连接网络。无论是连接互联网还是计算机之间的局域网，无法避免地，都要考虑网络安全。网络安全，是网络得到应用以来不得不考虑的问题，办公自动化也不除外。计算机与计算机之间，计算机与网络之间的互联，能更好地发挥办公自动化的优势。（2）办公动态服务（办公自动化系统、ASP.net、B/S、ASP）。ASP（Active Server Page，动态服务器界面）是微软公

17、司开发的一种应用。它可以与数据库和其它程序进行交互。ASP的优势在办公自动化中的到了充分地体现。ASP在协助建设办公自动化系统中发挥的作用也不容小觑。（3）OA系统（OA、OA系统）。OA（Office Automation，办公自动化）系统是办公自动化的集中体现和承载物。办公自动化从某种程度上来说就是依赖OA系统来实现的。OA系统的应用程度也能体现出办公自动化的普及程度。市场上，OA系统软件也不少，对其管理主要分四步，分别是：OA选型、OA实施、OA推广和OA深化应用。（4）计算机应用（应用、计算机）。办公自动化离不开计算机的应用。OA系统是办公自动化的软件支持，而计算机就是办公自动化的硬件

18、支持。一个组织，若想实现办公自动化，首先要做的就是购买计算机。计算机系统的建成是实现办公自动化的基础中的基础。计算机能承载各种非常丰富的软件，在这些软件充分利用的同时，办公自动化也就自然而然地形成了。其中，计算机的配置也非常重要，不同程度的办公自动化需要不同程度的计算机配置，只有计算机配置达到相同水平，才能更好地应用办公自动化。（5）医院信息化（信息化、医院）。办公自动化已经深入到了医院，这是一个比较乐观的信息。而在医院中使用办公自动化，主要是医院内外信息的交流。例如：若遇到做手术需要某种血型、器官等紧急的情况，办公自动化就能通过计算机网络在本医院或者其它医院中寻找需要的，从而节省了时间为患者

19、治病，也节省了很多资源。（6）技术架构设计（设计、J2EE）。J2EE是一套全然不同于传统应用开发的技术架构，包含许多组件，主要可简化且规范应用系统的开发与部署，进而提高可移植性、安全与在用价值。这个技术架构的优势在办公自动化中得到充分利用。因为J2EE只是一种技术架构，它的使用范围非常广泛。所以，为了在办公自动化中运用这种技术架构，就应该设计与办公自动化相应的形式。（7）工作流（工作流、Lotus）。Lotus是IBM公司的一款软件，在协作平台市场上占据了绝对优势的领导地位。它在对工作流的帮助上起到了很大的作用。而工作流从一方面体现了办公自动化。因为要提高办公效率，就应形成工作流，工作流进行

20、顺利，就能提高办公的效率，所以，办公自动化也要解决工作流的问题，提高了工作流的效率，办公自动化才明显。（8）企业网络（Web、中小企业）。企业中办公自动化的应用很大程度上是基于网络的，因为企业需要强大的、准确的信息流，而信息流的传播基于网络在当今是最迅速的。企业需要的信息主要分两类，企业内部信息和企业外部信息。企业内部信息交流非常关键，为了了解企业的发展情况，内部信息的整合起到很重要的作用，只有内部信息整合好了才能准确地体现企业发展情况。企业外部信息的获取也相当重要，因为知道了市场信息，其它企业信息，才能根据这些制定企业的战略和战术。（9）高校数据库管理（高校、管理、数据库）。高校办公主要是基于学生的。学生信息构成了很大的一个数据库，所以学校的办公自