
“云计算”和“大数据”成为中国公民科学素质基准
“云计算”和“大数据”这些IT热词登上了红头文件,成为需要在全社会广泛宣传和学习的对象。4月18日,科技部和中央宣传部印发关于《中国公民科学素质基准》的通知,其中云计算和大数据成为基准。
细心的读者发现,在《中国公民科学素质基准》第18条中,着重提到要求中国公民“关注科学技术发展”,“知道基因工程、干细胞、纳米材料、热核聚变、大数据、云计算、互联网+等高新技术”。
这与当前中国“大众创业、万众创新”的热潮密不可分,“云计算”和“大数据”不再是技术人员的专业术语,悄然进入寻常百姓家。在中关村的那些咖啡馆里,这些词与“股份”、“创投”、“人工智能”、“VR”热词一起,成为创业者口中最潮、最热频的关键词。
据专家介绍,包含“云计算”和“大数据”的《中国公民科学素质基准》将被广泛宣传,目的是在全社会大力弘扬科学精神、普及科学知识,提高全民科技意识和科学素养,最终造福社会。
据悉,《中国公民科学素质基准》共有26条基准、132个基准点,基本涵盖公民需要具有的科学精神、掌握或了解的知识、具备的能力。适用范围为18周岁以上,具有行为能力的中华人民共和国公民。
测评时从132个基准点中随机选取50个基准点进行考察,50个基准点需覆盖全部26条基准。根据每条基准点设计题目,形成调查题库。测评时,从500道题库中随机选取50道题目(必须覆盖26条基准)进行测试,形式为判断题或选择题,每题2分。正确率达到60%视为具备基本科学素质。
附录:科技部 中央宣传部关于印发《中国公民科学素质基准》的通知
国科发政〔2016〕112号
各省、自治区、直辖市、计划单列市、副省级城市科技厅(委、局)、党委宣传部,新疆生产建设兵团科技局、党委宣传部,中央、国务院各部门、直属机构,中央军委科学技术委员会,各人民团体:
为实施《中华人民共和国科学技术普及法》,落实《国家中长期科学和技术发展规划纲要(2006—2020年)》,《全民科学素质行动计划纲要(2006— 2010—2020年)》(以下简称《科学素质纲要》)等确定的科普工作任务,国务院办公厅确定科技部、财政部、中央宣传部牵头,中央组织部等20个部门 参加制定《中国公民科学素质基准》(以下简称《基准》),建立《科学素质纲要》实施的监测指标体系,定期开展中国公民科学素质调查和全国科普统计工作,为公民提高自身科学素质提供衡量尺度和指导。
经组织专家研究,在部分省(市)试点测评,并广泛征求部门、地方和社会各界意见,在形成广泛共识的基础上,制定了《基准》(电子版可从科技部门户网站等下 载),现予印发。请各地各部门认真组织党政机关干部、工人、农民,科技、教育工作者,城乡劳动者、部队官兵、学生、社会各界人士等学习;各级党政机关、科 研机构、企业、事业单位、学校、部队、社会团体等要组织《基准》学习和培训活动;新闻媒体、网站要对《基准》进行广泛宣传,在全社会大力弘扬科学精神、普 及科学知识,提高全民科技意识和科学素养,形成鼓励大众创业、万众创新的良好氛围,为实施创新驱动发展战略,建设创新型国家和实现全面建成小康社会的目标 奠定坚实的社会基础。
科 技 部 中央宣传部
2016年4月18日
《中国公民科学素质基准》(以下简称《基准》)是指中国公民应具备的基本科学技术知识和能力的标准。公民具备基本科学素质一般指了解必要的科学技术知识,掌握基本的科学方法,树立科学思想,崇尚科学精神,并具有一定的应用它们处理实际问题、参与公共事务的能力。制定《基准》是健全监测评估公民科学素质体系的重要内容,将为公民提高自身科学素质提供衡量尺度和指导。《基准》共有26条基准、132个基准点,基本涵盖公民需要具有的科学精神、掌握或了解的知识、具备的能力,每条基准下列出了相应的基准点,对基准进行了解释和说明。
《基准》适用范围为18周岁以上,具有行为能力的中华人民共和国公民。
测评时从132个基准点中随机选取50个基准点进行考察,50个基准点需覆盖全部26条基准。根据每条基准点设计题目,形成调查题库。测评时,从500道题库中随机选取50道题目(必须覆盖26条基准)进行测试,形式为判断题或选择题,每题2分。正确率达到60%视为具备基本科学素质。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29