2000字的论文应该用多少文献数据

没有具体要求，如果是毕业论文自己学校会有要求，一般都在10－20篇左右

没有统一标准。各高校、各期刊的要求都不尽相同。

硕士学位论文的参考文献一般应不少于40篇，其中外文文献一般不少于20篇。博士学位论文的参考文献数一般应不少于100篇，其中外文文献一般不少于总数的1/2;参考文献中近五年的文献数一般应不少于总数的1/3，并应有近两年的参考文献。本科毕业设计主要参考文献要求10篇以上，其中外文文献2篇以上(指导教师认定为特殊类型的论文，可以不列外文参考文献)。参考文献必须是公开出版、发表的(含网上下载)着作或期刊(论文)，统一放在文后，并按文中出现的先后顺序，用阿拉伯数字进行自然编号，序码加方括号。但期刊论文中应该引用多少文献并没有明确规定，你该引用足够支持你论文的文献，而数量则视领域内存在的文献而定。如果你的课题很新，可能没有太多文献可以参考引用，相反地，如果你是进行先前已经所过的课题，可能就有很多文献。另外，这也关系到你的文章类型，综述文章通常会有很多参考文献。

根据不同的杂志的具体要求而定。一般国内期刊上综述类文章20-30篇参考文献居多，如果作者的文章原创度相当高，参考文献不超过10条为好，参考文献数量太多，可能显得很啰嗦，也可能受到部分期刊版面的限制，不同单位对参考文献的要求也会不同，比如有些院校的毕业论文要求20篇参考文献，其中不少于7篇外文文献等

2000字的论文应该用多少文献数据啊

至少10条吧，不是说非要有个多少的量，一般学校或者指导老师会说的，要求多少多少，所以可以问问。本科我觉得至少10条吧，当然可以增加其他文献的引用，比如图书、论文，会议，或者英文的也不错。而且说那个点，你不用在内容中真正引用，最后直接附上参考文献也是可以的。

本科毕业论文一般要求参考文献近5年15到20篇，其中要有不少于7篇的外文文献。一篇论文引用多少参考文献还是要根据所在单位或者目标刊物的具体要求。硕士学位论文的参考文献一般应不少于40篇，其中外文文献一般不少于20篇。博士学位论文的参考文献数一般应不少于100篇，其中外文文献一般不少于总数的1/2;参考文献中近五年的文献数一般应不少于总数的1/3，并应有近两年的参考文献。

没有统一标准。各高校、各期刊的要求都不尽相同。

这取决于你到底引用了多少文献呀，一般来说，最好不要太少，我个人觉得最好是十条左右。

2000字的论文应该用多少文献数据来表述

关于文献梳理　　1、梳理文献的目的是什么？　　选题的问题意识来源于对文献的阅读和分析，问题意识不是凭空产生的，二是基于既有的研究而发现问题。梳理文献的目的在于：　　其一，梳理所选问题的历史发展脉络。任何问题都有一个发展脉络，不了解学术发展的脉络就不能对学术问题进行深入研究。也就是说，这个问题是从哪里来的，然而才能预判这个问题的未来发展方向可能是什么。不仅要梳理这一问题国内研究是的现状，而且还有梳理国际学术界对这一问题的研究现状，从而全面把握这一问题研究的基本状况。如果打开电脑就直奔主题，对某一具体问题洋洋洒洒地写下去，也不去查阅相关文献，结果可能是低水平重复的东西。这样的论文时没有任何价值的，即便发出来，也仅仅是作为工作量或评职称的成果而已，并不代表它对学术有什么贡献。在学术论文中，开头就直奔主题的论文，一般都不是好的论文。人贵在直，文贵在曲。论文的贵也在曲。而这种曲是通过对前人既有研究的追述和分析表现出来的。　　其二，梳理文献是充分肯定前人所做的学术贡献。任何人的研究都是在前人的研究基础上进行新的探索。这就是牛顿所说的，站在巨人的肩膀上。在研究中，这个巨人不是具体的一个人，而是所有对该学术问题作出了贡献的前人。学术的传承就是要尊重历史，不尊重前人的学术贡献，就难以开拓新的研究领域，也难以对学术研究进行深入研究。不尊重历史，我们同样会陷入盲目自大的学风，以为别人都没有达到自己的水平，从而最终也会陷入重复别人已经说过的故事，浪费学术资源。

没有统一标准。各高校、各期刊的要求都不尽相同。

大数据的应用论文2000字

事实上，所谓“大数据时代”的说法并不新鲜，早在2010年，“大数据”的概念就已由美国数据科学家维克托·迈尔·舍恩伯格系统地提出。他在大数据时代一书中说，以前，一旦完成了收集数据的目的之后，数据就会被认为已经没有用处了。比如，在飞机降落之后，票价数据就没有用了；一个网络检索命令完成之后，这项指令也已进入过去时。但如今，数据已经成为一种商业资本，可以创造新的经济利益。数据能够成为一种资本，与移动互联网有密切关系。随着智能手机、平板电脑等移动数码产品的“白菜化”，Wi-Fi信号覆盖的无孔不入，越来越多的人不再有“在线时间”和“不在线时间”之分，只要他们愿意，便可几乎24小时一刻不停地挂在线上；在线交易、在线支付、在线注册等网络服务的普及固然方便了用户，却也让人们更加依赖网络，依赖五花八门的网上平台。而随着科技的进步，以往需要几盒软盘或一张光盘保存的信息，如今只需一片指甲盖大小的芯片，即可全部储存而且绰绰有余；以往需要电脑、显示器、读卡器等专门设备才能读取的数码信息载体，如今或许只需一部智能手机和一个免费下载的APP第三方应用程序，便可将数据一览无余。大数据时代的科技进步，让人们身上更多看似平常的东西成为“移动数据库”，如带有存储芯片的第二代银行卡、信用卡，带有芯片读取功能的新型护照、驾驶证、社保卡、图书证，等等。在一些发达国家，官方为了信息录入方便，还不断将多种“移动数据库”的功能组合成一体。数字化时代使得信息搜集、归纳和分析变得越来越方便，传统的随机抽样被“所有数据的汇拢”所取代，基于随机抽样而变得重要的一些属性，如抽样的精确性、逻辑思辨和推理判断能力，就变得不那么重要，尽可能汇集所有数据，并根据这些数据得出趋势和结论才至为关键。简单说，以往的思维决断模式是基于“为什么”，而在“大数据时代”，则已可直接根据“是什么”来下结论，由于这样的结论剔除了个人情绪、心理动机、抽样精确性等因素的干扰，因此，将更精确，更有预见性。不过，一些学者指出，由于“大数据”理论过于依靠数据的汇集，那么一旦数据本身有问题，在“只问有什么，不问为什么”的模式下，就很可能出现“灾难性大数据”，即因为数据本身的问题，而做出错误的预测和决策。

大数据是大量、高速、多变的信息，它需要新型的处理方式去促成更强的决策能力、洞察力与最佳化处理。大数据为企业获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。大数据虽然孕育于信息通信技术的日渐普遍和成熟，但它对社会经济生活产生的影响绝不限于技术层面，更本质上，它是为我们看待世界提供了一种全新的方法，即决策行为将日益基于数据分析做出，而不是像过去凭借经验和直觉做出。借助大数据及相关技术，我们可针对不同行为特征的客户进行针对性营销，甚至能从“将一个产品推荐给一些合适的客户”到“将一些合适的产品推荐给一个客户”，得以更聚焦客户，进行个性化精准营销。通过数据，也可以知道现在社会上面主流的东西是什么，只有抓住主流的社会，才能跟上时代的步伐，顺应历史的潮流，抓住机遇，发展自己的公司和事业。

树妈妈生了一些可爱的嫩芽弟弟妹妹许多叶儿宝宝都穿着绿色的礼服去凑热闹，从远处看，像一块无暇的翡翠，给大树妈妈增添了许多生机　　忽然，从远处传来了一阵扑鼻的芳香原来是美人蕉妹妹为春天姐姐的到来，穿上了华丽的礼服，以表示欢迎咦，那边怎么那么多花朵，红的、白的、紫的、黄的等，五彩缤纷走近一看，哦，原来花儿们正在比美比艺花儿们有的显示着自己有的在唱歌，声音是那么好听，所有的演员都被吸引住了有的在表演优美的舞蹈《天鹅湖》、《白雪公主》等真是太精彩了

大数据应用论文2000字数

事实上，所谓“大数据时代”的说法并不新鲜，早在2010年，“大数据”的概念就已由美国数据科学家维克托·迈尔·舍恩伯格系统地提出。他在大数据时代一书中说，以前，一旦完成了收集数据的目的之后，数据就会被认为已经没有用处了。比如，在飞机降落之后，票价数据就没有用了；一个网络检索命令完成之后，这项指令也已进入过去时。但如今，数据已经成为一种商业资本，可以创造新的经济利益。　　数据能够成为一种资本，与移动互联网有密切关系。随着智能手机、平板电脑等移动数码产品的“白菜化”，Wi-Fi信号覆盖的无孔不入，越来越多的人不再有“在线时间”和“不在线时间”之分，只要他们愿意，便可几乎24小时一刻不停地挂在线上；在线交易、在线支付、在线注册等网络服务的普及固然方便了用户，却也让人们更加依赖网络，依赖五花八门的网上平台。　　而随着科技的进步，以往需要几盒软盘或一张光盘保存的信息，如今只需一片指甲盖大小的芯片，即可全部储存而且绰绰有余；以往需要电脑、显示器、读卡器等专门设备才能读取的数码信息载体，如今或许只需一部智能手机和一个免费下载的APP第三方应用程序，便可将数据一览无余。　　大数据时代的科技进步，让人们身上更多看似平常的东西成为“移动数据库”，如带有存储芯片的第二代银行卡、信用卡，带有芯片读取功能的新型护照、驾驶证、社保卡、图书证，等等。在一些发达国家，官方为了信息录入方便，还不断将多种“移动数据库”的功能组合成一体。　　数字化时代使得信息搜集、归纳和分析变得越来越方便，传统的随机抽样被“所有数据的汇拢”所取代，基于随机抽样而变得重要的一些属性，如抽样的精确性、逻辑思辨和推理判断能力，就变得不那么重要，尽可能汇集所有数据，并根据这些数据得出趋势和结论才至为关键。简单说，以往的思维决断模式是基于“为什么”，而在“大数据时代”，则已可直接根据“是什么”来下结论，由于这样的结论剔除了个人情绪、心理动机、抽样精确性等因素的干扰，因此，将更精确，更有预见性。　　不过，一些学者指出，由于“大数据”理论过于依靠数据的汇集，那么一旦数据本身有问题，在“只问有什么，不问为什么”的模式下，就很可能出现“灾难性大数据”，即因为数据本身的问题，而做出错误的预测和决策。（如能帮到你，望您采纳！！谢谢！！）

大数据时代是一个将数据当作核心资产的时代，数据呈现出战略化、资产化和社会化等特征。随着数据作为国家战略资产意识的增强，以及越来越多的国家将数据管理上升到战略层面，大数据势必会以更加积极的姿态进入到公共管理和政府治理范畴内。无论是把大数据单纯作为一种技术，还是一种抽象理念，或者是一个时代背景，它都将对政府治理理念、治理范式、治理内容、治理手段等产生不同程度的影响。本文试图将大数据这一新概念与政府治理有机结合起来，阐述大数据时代背景下的政府治理将会发生什么新变化，面临哪些机遇和挑战。一、“大数据”概念的界定（一）“大数据”概念的提出与发展2008年9月4日《自然》（Nature）刊登了一个名为“Big Data”的专辑，首次提出大数据（Big Data）概念，该专辑对如何研究PB级容量的大数据流，目前正在制订的、用以最为充分地利用海量数据的最新策略进行了探讨。[1]2011年5月，EMC（全球最大的外置存储硬盘供应商）举办了主题为“云计算相遇大数据”的大会，首次抛出了“大数据”（Big Data）的概念。紧随其后，IBM、麦肯锡等众多国外机构发布了“大数据”的相关研究报告，2011年6月麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新、竞争和生产力》（Big data: The Next Frontier for Innovation， Competition， and Productivity）[2]，首次提出“大数据时代”来临。此后，联合国、世界经济论坛也纷纷关注信息时代海量数据对社会经济发展所带来的冲击，2012年5月联合国“全球脉冲”(Global Pulse)计划发布《大数据开发：机遇与挑战》（Big Data for Development: Challenges & Opportunities）[3]报告，阐述了大数据带来的机遇、主要挑战和大数据应用。2011、2012年达沃斯世界经济论坛将大数据作为专题讨论的主题之一，发布了《大数据、大影响：国际发展新的可能性》（Big Data， Big Impact: New Possibilities for International Development）[4]等系列报告。奥巴马政府创造性地将“大数据”概念全面引入到公共行政领域。2009年，美国联邦政府发布《开放政府指令》（The Open Government Directive），作为大数据的前奏推出了Dv公共数据开放网站。2012年3月，美国联邦政府发布了《大数据研究和发展倡议》（Big Data Research and Development Initiative）[5]，正式启动了“大数据发展计划”，宣布将投入超过2亿美元在大数据研究上[6]；同年5月，联邦政府发布《数字政府战略》（ Digital Government Strategy）[7]，致力于为公众提供更好的“数字化”服务，围绕数据进行的一系列措施在美国政府全面推进，大数据对美国政府的影响逐步显现。（二）大数据的概念“大数据”作为信息社会发展的一个新生事物，目前尚处在逐渐被认识、被应用的初始阶段，无论是学术界还是IT行业对大数据的理解各有侧重，尚未形成一套完整的理论体现，因此很难对行进行精准的定义。维基百科将大数据定义为“所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯”[8]。全球知名的咨询公司如麦肯锡、Gartner以及知名信息化企业如IBM等作为大数据的推崇者，更侧重于从技术层面界定大数据。2011－2013年，Gartner发布了多个与大数据有关的白皮书，如“Hype Cycle for Big Data， 2012”，定义了大数据的技术生命周期，报告中指出大数据不只是一项单一的技术，而是一个概念，是一套技术。《互联网周刊》则认为，“大数据是通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革之力”。[9]⒈大数据的技术属性大数据在诞生之初仅仅是一个IT行内的技术术语，维基百科将其定义为“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合”，被概括为“4V”理论：海量化数据（Volume）——数据体量巨大及规模完整性。随着数据加工处理技术的提高，网络宽带的成倍增加，以及社交网络技术的迅速发展，使得数据产生量和存储量成倍增长，数据规模从TB级别跃升到PB级别。多样化结构（Variety）——数据类型繁多。随着物联网、社交网络、智能终端等的普及和应用，网络日志、视频、图片、地理位置信息等非结构化数据所占比例越来越大。高速化处理（Velocity）——主要表现为数据流的处理速度快。数据规模的无限扩张既对高速化处理提出了新的要求，也为其带来了新的机遇，大数据的高速化处理要求具有时间敏感性和决策性的分析，要求能在第一时间抓住重要事件发生的信息。这一点也是大数据和传统的数据挖掘技术不同的本质区别所在。低密度价值（Value）——体现出的是大数据运用的真实意义所有。数据规模大并不意味着价值高，相反，这些数据间更多的表现为稀缺性、不确定性和多样性。[10]尽管对大数据难以明确定义，但大数据所具有的规模性（Volume）、多样性（Variety）和高速性（Velocity）特征被广泛地认同。在3V基础上，人们对大数据的第四特性有不同的看法，IDC认为大数据具有高价值性（Value），尽管这种价值更多地表现在低价值度的碎片化数据中，如何挖掘这种价值正是大数据的关键所在；IBM则认为大数据应该具有真实性（Veracity），真实性将促使人们利用数据融合和先进的数学方法进一步提升数据的质量，从而创造更高价值（参见图1）。[11]随着大数据应用的深入，人们对最初的“4V”有了不同的理解和看法。2013年IBM提出了新的“4V”理论。数量（Volume）、多样性（Variety）、速度（Velocity）和精确性（Veracity）。IBM认为，尽管前3个V涵盖了大数据本身的关键属性，但真实性是当前亟需考虑的重要维度，将促使他们利用数据融合和先进的数学方法进一步提升数据的质量，从而创造更高价值。[12]2014年，IBM发布了《践行大数据承诺：大数据项目的实施应用》（Realizing the Promise of Big Data: Implementing Big Data Projects）白皮书，在该报告中对进一步扩展了大数据的特性，首次提出将大数据的特性由4V扩展为“Vs”。[13] “Vs”在大数据已有特性的基础上，增加了数据粘度（Viscosity），主要用来衡量数据流间的关联性（resistance to flow of data）；数据易变性（Variability），主要衡量数据流的变化率；数据有效性（Volatility），主要表明数据有效性的期限和存储的期限时长。我们认为，未来随着大数据技术的发展成熟，以及人们对大数据应用的深入，大数据的“Vs”特性将会不断变化和拓展。

获得学位意味着被授予者的受教育程度和学术水平达到规定标准的学术称号，经在高等学校或科学研究部门学习和研究，成绩达到有关规定，由有关部门授予并得到国家社会承认的专业知识学习资历。