Appear in Proceedings of The 13th International Conference on Computers in Education (ICCE2005), 2005 Automated Scoring for Creative Problem Solving Ability with Ideation-Explanation
Modeling
Hao-Chuan WANG1, Chun-Yen CHANG2, and Tsai-Yen LI3
1Institute of Information Science, Academia Sinica, Taiwan
2Department of Earth Sciences, National Taiwan Normal University, Taiwan
3Department of Computer Science, National Chengchi University, Taiwan
haochuan@https://www.doczj.com/doc/922250193.html,.tw, changcy@https://www.doczj.com/doc/922250193.html,.tw, li@https://www.doczj.com/doc/922250193.html,.tw
Abstract. This paper describes an automated scorer for assessing students’ Creative
Problem-Solving (CPS) abilities via modeling the intra-structure of students’ essays
describing their thoughts on solving particular problems. The automated scorer aims
to grade students’ open-ended responses to an essay-question-type CPS ability test,
instead of using typical Likert-type or multiple-choice questions that may be imper-
fect to assess the creative perspective of human problem-solving. The scorer is dis-
tinguishable to most generic automated essay scoring systems that a bipartite graph-
based representation is explicitly built for the pair-wise relation between a student’s
ideas and self-explained reasons for a CPS task. This design will enable several ana-
lytical approaches for CPS, such as quantitative scoring and qualitative diagnoses.
The preliminary empirical evaluation with 20 students’ data shows that the scoring
results of the scorer is satisfactory and highly correlated with those of human experts
(Pearson’s r=.67~.82) in terms of quantitative scoring task. The approach provides a
promising solution to support large-scaled studies on human creativity and may fur-
ther enable CPS-aware personalization systems.
Introduction
Human creativity is generally considered as one of the most distinguishable human capacities that cannot be easily replaced or imitated by computing machineries. In the era of widespread information explosion, the increasing complexity of decision making for everyday-life problems and scientific challenges has signified the needs of stronger emphases on students’ science-process skills and Creative Problem-Solving (CPS) ability, both in educational practice and fundamental research, as proposed by Chang and Weng in [2].
Nevertheless, it is observed that the scientific research of CPS is obscured by certain technical constraints. In finding evidence that supports the existence of hypothesized constructs for CPS, replications across studies with large sample size are demanded [6]. This requirement results in a significant challenge here: how to grade open-ended answers for a great quantity of subjects in CPS studies both efficiently and reliably? Since a theoretically valid measuring instrument for CPS abilities is likely to be an open-ended test, such as an essay question, hence the essay scoring task performed manually by human graders or coders is inevitably very time-consuming. Moreover, the situation may become much severer when the sample size is required to be large. Under this situation, not only the scoring task is itself laborious, but it may also be difficult to maintain a consistent scoring criterion among individual graders when a group of graders are hired to share the labor.
Besides, by only reporting holistic scores, as in
the case of quantitative scoring of essays, certain
useful features underlying students’ answers are not devised to be observable. It appears difficult to investigate some advanced research problems such as
“What are the common misconceptions of these
students?” In other words, with solely holistic scores,
less diagnostic insight can be derived for amending the real-world instructions. We identify this problem
as a deficiency of holistic scoring . However, it
appears challenging for human graders to locate other informative structures upon a large collection of essays in addition to scoring them holistically. In this work, a novel scheme of automated
scoring is developed to automate the scoring task for CPS research. The automated scorer is built based on the bipartite graph-based user modeling framework, called UPSAM (User Problem Solving Ability Modeler) that we have sketched in [9]. The automated scorer is capable of attaining reliable quantitative scoring for an open-ended CPS test, and building human-understandable user profiles for the relation of ideation-explanation underlying student’s answers using the bipartite graph formalism. The ideation-explanation modeling approach is considered helpful in reaching qualitative diagnostic analyses in the long run, which may heal the aforementioned deficiency of holistic scoring. In this paper, we describe how the proposed automated scoring scheme works, specifically in the perspective of quantitative scoring at the first attempt. A pilot empirical evaluation on the reliability of quantitative scoring is reported to demonstrate the potential of this scheme.
1. Measuring Instrument and User Modeling
1.1 Creative Problem Solving Ability Test
The testing instrument used in this work was previously constructed and analyzed by Wu et al. in [10]. The test was developed for the needs of science education research. It specifically emphasizes on students’ science-process skills by presenting a context-rich problem-solving scenario in a story-telling manner to test takers, for example, the task of organizing an emergent rescue mission after the happening of a great earthquake. By referring to models of the Osborn’s four-stage problem-solving process: fact-
finding, problem-solving, idea-finding, and solution-finding [7], as well as, the ideation-evaluation sub-phases for CPS: divergent thinking and convergent thinking [1], this test is designed to be flexible and versatile for practical uses. Figure 1 shows the underlying model of this test. The Osborn’s four-stage model is summarized as a two-stage version here, Problem Finding (Part 1)
i t i e l i e l d e a i o n d e a t i o n x p a n a t o n x p a n a t i o n Problem Solving
(Part 2)i i p d e a t i o n
d e a t i o n e x l a n a t i o n e x p l a n a t i o n
Figure 1. CPS processes with ideation-explanation sub-phases. (a revision of [1])
Figure 2. A snapshot of the answer sheet showing the pair-wise relation
between ideas and reasons.
including stages of problem-finding and problem-solving (see Figure 1), which are believed to be a representative abstraction for most CPS theories. For each stage, its two sub-phases, i.e., ideation and explanation, are also identified. Note that the curtailment of the four-stage model into a two-stage version is mainly for the viability of implementing the test in the classroom, but not a non-negotiable decision. The scheme of user modeling and automated scoring remains flexible to a four-stage CPS process.
Figure 2 depicts the format of the answer form for this test. Testees are required to express their ideas (i.e. the production of divergent thinking) for each CPS stage, and then provide self-explained reasons for the proposed ideas (i.e. the production of convergent thinking). All these responses are expressed in natural language, which is believed to be a valuable source in studying students’ conceptions in-depth with better authenticity. Nonetheless, although the test is open-ended, it is not of no structure. The internal structure of pair-wise relation between ideas and reasons, in alignment with CPS theory [1], may help the designer of the automated scorer to make a detour to avoid the challenging open problem of non-structural natural language understanding.
1.2 UPSAM: Bipartite Graph-based CPS Modeling
In a previous work in this series, Wang et al. have proposed a bipartite graph-based user modeling framework, called UPSAM (User Problem-Solving Ability Modeler), for capturing the pair-wise relation between divergent and convergent thinking of CPS [9].
The bipartite graph in the graph theory is one whose vertex set can be partitioned into two disjoint subsets. For each edge in the graph, its two ends are from different subsets of the vertex set. For CPS modeling, the user’s ideation is represented as a set of ideas A={a1, a2, …, a n}, and explanation is represented as a set of reasons B={b1, b2, …, b m}. The user model can then be denoted as an undirected bipartite graph G=(V, E) where V=A∪B and A∩B=φ. The connections between ideation and explanation entries are represented as E={e ij} that each edge e ij represents a linkage between idea a i and reason b j .
With the modeling formalism, we can then implement computer programs capable of building, manipulating, and retrieving CPS models. Note that in UPSAM, all types of users, including experts and testees, are modeled in identical representation formalism, the bipartite graph. Therefore, it makes possible to perform comparative analyses upon users’ CPS performance, such as user-user and user-expert comparisons, by inspecting these commensu-rable user models. Given a collection of user models, there are two possible approaches to perform model comparison. One is on using idioms and algorithms from the graph theory, and casting the problem of user model comparison as a series of operations on graphs. For example, the task of retrieving the common ideas between user U’s and the expert D’s ideation can be derived by computing the intersection of the two idea sets, that is, the operation of A U∩A D. The graph-based approach appeals to the requirements of qualitative fine-structure analyses. Another approach of model comparison is on defining proper metrics to transform graphs into numerical scores. That is, a quantitative and holistic measurement of each user model can be derived for further comparative ordering and analysis. The automated scoring scheme described in the next section is realized using the later approach. 2. Automated Scoring for CPS Ability Test
The two key components in the automated scoring scheme are the domain model and the scoring agent. Their properties and functions are described in this section.
2.1 Domain Model
A domain model is a representation of expert knowledge for a part of the CPS task using the formalism of bipartite graph. In the view of automated scoring, domain modeling exactly refers to organizing the expert’s answers (i.e. keys for the CPS test) as a formal model, in which the vertex subsets of ideation and explanation, as well as the edge sets of ideation-explanation linkage are explicitly represented and stored in the system. Note that the task of
domain modeling is performed manually by domain experts. Figure 3 shows an XML
document containing a partial domain model. The
2.2 Scoring Agent
A scoring agent is a software module implementing the functions of automated scoring. The major goal of the scoring agent is to build bipartite graph-based user models based on users’ responses to the CPS test.
Given a set of answer pairs P U ={p 1, p 2, …, p n }from user U , where p i =(αi , βi ) and αi and βi denote the user’s natural language entries for ideation and explanation, respectively. Our current approach is to find the most appropriate subsets of the domain model G D =(A D ∪B D , E D ) indicating the overlapping of CPS conceptions between user U and expert
D . That is, for each idea entry α, pick a ∈A D such that a ’s content is most similar to α, and for each reason entry β, use B D instead of A D to perform the same procedure.
Inevitably, some assumptions have to be made to control the computational complexity of the procedure. The assumptions include that 1) several user entries are allowed to refer to the same concept node of the domain model, and 2) users’ entries of ideation and explanation are not overlapping (i.e., disjoint). In other words, the task of building user models in our scheme is not an optimization problem that would signifi-cantly raise the computational cost. Fortunately, this simplification is reasonable for most
Figure 3. A partial domain model encoded as an XML ducument
CPS theories, and its viability for automated scoring is verifiable by empirical corrobora-tion.
Figure 4 shows the procedure for identifying and instantiating concept nodes (i.e., vertices in the bipartite graph) using a natural language entry as the input and the domain model as the foundation of model building. The core idea is to employ token-based similarity metrics used in Information Retrieval (IR) to retrieve the most suitable concept nodes from the domain model for each user entry. In line 2, the user entry is first proc-essed by the function, Wording_Processing(), which aims to remove stop words, and refine wording by using a synonyms dictionary T built for the CPS domain. The step of wording refinement aims to make users’ and the expert’s term usage as consistent as possible. After the pre-processing steps, from line 3 to line 7, an iterative name-matching task of two strings is conducted. Note that the similarity metric used in line 5 is substitut-able, and different metrics may affect the correctness of the output. Here we consider two token-based distance functions, Jaccard and TFIDF [4]. The Jaccard similarity is defined as:
N I N I N I Jaccard ∪∩=''),'( (1)
The TFIDF similarity is defined as:
∑∩∈?=N I w N w V I w V N I TFIDF '),()',(),'(
(2)
where V (w , I’) is the normalized weight of each term in the string I’ based on the TFIDF term-weighting scheme; see [4] for more details of the two metrics. Finally, from line 8 to line 12, the task is to select the node with the highest similarity score. If the node does not exceed the minimum threshold , as specified in line 1, a new node with the processed text will be instantiated for that entry. Qualitatively speaking, the new nodes may refer to a novel and unique concept, though could be unorthodox or even erroneous, generated by the user beyond the expert’s expectation. Clearly, qualitative analysis is possible by Procedure: Concept_Identify
Input: I : a natural language entry
π: a subset of vertices, i.e. ideation or explanation subset, in the domain model
T : a collection of synonyms in the domain
Output: χ: a concept node for the user model
1. tr := 0 //setting the filtering threshold, tr
2. I’ ← Wording_Processing(I, T ) //remove stop words and refine wordings
3. for each c i ∈π do
4. N ← Desc(c i ) //retrieve the descriptions of ideation/explanation
5. s i ← TFIDF(I’, N ) //compute similarity by using TFIDF method
6. sim [c i ] ←s i //associate the simlarity score with c
7. end for
8. if ][max c sim c π∈ > tr then
9.
χ←][max arg c sim c π∈ //select c with the highest similairy to I’ 10.
else 11.
χ←New_Node(I’) //instantiate a new node if no c meets the threshold
12. return χ
Figure 4. The procedure Concept_Identify for building the user model
investigating these nodes to make up the deficiency of holistic scoring mentioned at the beginning. The properties of these cases deserve further exploration and study.
The procedure is computationally feasible for practical use. For a single user entry to be identified by using the Concept_Identify procedure, its computational cost is linear to |π|. Given the maximum possible number of entries in a single sub-phase (i.e., a idea-tion/explanation phase) h , and the number of total sub-phases k (e.g. k =4 for the model shown in Figure 1), the time complexity for the model building task is bounded by O (kh |π|). For h and |π|, the values are mostly of the order of tens, and for k , the value would not exceed 10 based on most CPS theories. So the total cost at this level is acceptable. Note that the major unit cost of computation refers to the overhead of similarity score evaluation by using different distance functions, e.g. Jaccard or TFIDF, so the actual running time would also depend on the implementation of similarity metrics. However, since these metrics have been employed as standard methods in large scaled information retrieval systems, efficient and reliable implementations are available. The SecondString toolkit developed by Cohen et al. [4][11] is utilized currently.
2.3 Automated Scoring
Given a pre-authored domain model G D =(A D ∪B D , E D ), different ideas, reasons, and combinations of ideation-explanation linkages can be given difference scores indicating the quality of conceptions. Therefore, the scoring functions are assigned to A D , B D , and E D , respectively to transform each subset of the graph into scores. That is,
Sc
E f Sc B f Sc A f no credit regular r good answe Sc D E D B D A →→→=: and ,: ,:},,{
where S C denotes the range of these scoring functions, and each ordinal value (e.g. “regular ”) is associated with numeric scores. Subsequently, the score of a user model G U =(A U ∪B U , E U ) can be derived via:
∑∑∑∩∈∩∈∩∈++=D
U D U D U E E e E B B b B A A a A U e f b f a f G Score )()()()( (3)
We have implemented an automated scorer based on the scoring scheme described above. Next, we will describe the comparative evaluation of the automated scorer by utilizing human graders’ scoring results as the criteria.
3. Evaluation
3.1 Method
The evaluation aims to corroborate the viability of the automated scoring scheme empirically. The substantive question is to inquire whether the scores reported by the automated scorer are reliable in comparison with the results of CPS essay grading performed by human graders.
A group of 20 Taiwan tenth grade students was employed as participants for the pilot evaluation. The topic of the CPS test is about debris flow in the area of Earth sciences. The test is partitioned into two parts according to the aforementioned CPS theoretical model shown in Figure 1. In the first part of the test, the phase of problem finding, students were required to describe their thoughts (i.e. ideation and explanation) on what are the possible factors to make the disaster happen. Then in the second part, the phase of problem solving,
students were asked how to prevent the hazard from harming people again. When scoring a student’s responses to the test, quantitative scores were given to each part of the answers, and a total score was derived by combining them.
These students’ answers to the CPS test were graded by the automated scorer, and two domain experts respectively. More precisely, the same set of data (i.e. responses from the 20 students) was repeatedly graded by several graders, including domain experts and the computer program, without informing them the scoring results from other graders a priori . The scores reported by each grader are then employed in the correlation analysis.
3.2 Results and Discussion
We utilize the statistics of Pearson product-moment correlation as an estimation of the inter-rater reliability. Table 1 shows the results of the correlation analysis. Note that since the adjustment of the parameter tr and the choice of different similarity metrics may affect the performance of automated scoring, three different versions of automated scorer were evaluated experimentally to shed some lights upon such design decisions. The three versions are, TFIDF metric with threshold tr =0, TFIDF with tr =.1, and Jaccard metric with tr =0.
The major findings revealed in Table 1 include: 1) the correlation of human-to-human comparison is positive, high, and statistically significant (r =.89, p <.01), and the associated effect size , r 2=.79, is large according to Cohen(1988) [3]. The result shows that the scoring results reported by the two human graders are reliable to be used as criteria for evaluating automated scorers. 2) the correlation statistics r for human-to-computers comparison range from .67 to .82, which are positive, high, and statistically significant (p <.01), as shown in the grayed area of Table 1. The effect size coefficients r 2=.45~.67 are also large ones.
Overall, the preliminary empirical evaluation conducted with a small sample size has manifested the promise of the proposed automated scoring scheme for CPS. The best outcome is the version using TFIDF with tr =.1, which results in performance of r =.78~.82. Inter-rater reliability at this level has been a satisfactory one meeting the needs of most educational studies. Notably, the performance of the proposed automated scorer is also comparable with other generic automated essay grading systems in the literature. Most systems were developed for identifying the structures of writing or the correctness of semantics [5]. Their human-to-computer correlations seem to vary, from as good as r ?.9 [5], to as poor as r ?.4 on short essays scoring [8]. Comparatively speaking, the performance of our scorer seems among the top. However, our approach is distinguishable to those generic scorers both in methods and purposes. Unlike other works of automated scoring, our scheme takes the structure of CPS theoretical models into consideration, and reciprocally, dedicates Table 1. Pearson product-moment correlations, r among two human graders and different
versions of automated scorers. Grayed areas highlight the part of human-computer correlation,
and tr denotes the threshold parameterized in the Concept_Identify procedure.
Human1 Human2TFIDF, tr =0 TFIDF, tr =.1 Jaccard, tr =0 Human1
1 .89** .74** .82** .69** Human2
1 .71**
.78** .67** TFIDF, tr =0
1 .95** .88** TFIDF, tr =.1
1 .80** Jaccard, tr =0
1 **p <.01
to CPS studies. Nevertheless, it merits further exploration in incorporating methods developed by generic automated scoring to improve our scheme.
4. Conclusion
In this paper, we have described our approach of developing an automated scorer for CPS. The scheme illustrates an integral method by considering the intra-structure of the CPS test and adopting the bipartite graph-based formalism to model the relation of ideation-explanation characterized by CPS theories. A pilot empirical corroboration was conducted upon the reliability of this automated scorer, and the result shows that the scheme is promis-ing in automating the laborious task of CPS test scoring.
One point mentioned but not elaborated in-depth in this paper is the function of graph-based qualitative analyses. Related works are now underway, and will be reported soon. Other future works include conducting replicate evaluations with a large sample size, refining the performance of the scheme, and using the CPS model as a basis for personalizing the pedagogy of science education.
Acknowledgement
We thank Yi-Chun Chen at the Department of Earth Sciences, National Taiwan Normal University for her help on data collection and pre-processing. We also thank the Chinese Knowledge and Information Processing (CKIP) group at Academia Sinica for providing the toolkit of Chinese word segmentation.
References
[1]Basadur, M. (1995). Optimal Ideation-Evaluation Ratios. Creativity Research Journal, 8(1), pp.63-75.
[2]Chang, C-Y., Weng, Y-H. (2002). An Exploratory Study on Students’ Problem-Solving Ability in
Earth Sciences. International Journal of Science Education, 24(5), pp. 441-451.
[3]Cohen, J. (1988) Statistical power analysis for the behavioral sciences, 2 ed. Lawrence Erlbaum.
[4]Cohen, W. W., Ravikumar, P., Fienberg, S. E. (2003). A Comparison of String Distance Metrics for
Name-Matching Tasks. Proceedings of 18th International Joint Conference on Artificial Intelligence, Workshop on Information Integration on the Web, Mexico, pp.73-78.
[5]Hearst, H. A. (2000) The Debate on Automated Essay Grading. IEEE Intelligent Systems, 15(5), pp.
22-37.
[6]MumFord, M. D. (2000-2001) Something Old, Something New: Revisiting Guilford’s Conception of
Creative Problem Solving. Creativity Research Journal. 13(3&4), pp. 267-276.
[7]Osborn, A. (1963) Applied Imagination: Principles and Procedures of Creative Problem Solving. New
York: Charles Scribner’s Sons.
[8]Ventura, M.J., Franchescettie. D.R., Pennumatsa, P., Graesser, A.C., Jackson, G.T. (2004) Combining
Computational Models of Short Essay Grading for Conceptual Physics Problems. Proceedings of Intelligent Tutoring Systems, Lecture Notes of Computer Science, 3220, pp.423-431, Springer-Verlag. [9]Wang, H-C., Li, T-Y., Chang, C-Y. (2005). A User Modeling Framework for Exploring Creative
Problem-Solving Ability. Proceedings of AIED Conference, Amsterdam, The Netherlands.
[10]Wu, C-L., Chang, C-Y. (2002). Exploring the Interrelationship Between Tenth-Graders’ Problem-
Solving Abilities and Their Prior Knowledge and Reasoning Skills in Earth Science. Chinese Journal of Science Education, 10(2), pp. 135-156.
[11]SecondString project. Available at: https://www.doczj.com/doc/922250193.html,/ , last access: May 17, 2005.
软件公司项目经理岗位职责 一、软件公司项目经理岗位职责 主要职责： 1、计划： a)项目范围、项目质量、项目时间、项目成本的确认。 b)项目过程/活动的标准化、规范化。 c)根据项目范围、质量、时间与成本的综合因素的考虑，进行项目的总体规划与阶段计划。 d)各项计划得到上级领导、客户方及项目组成员认可。 2、组织： a)组织项目所需的各项资源。 b)设置项目组中的各种角色，并分配好各角色的责任与权限。 c)定制项目组内外的沟通计划。（必要时可按配置管理要求写项目策划目录中的《项目沟通计划》） d)安排组内需求分析师、客户联系人等角色与客户的沟通与交流。 e)处理项目组与其它项目干系人之间的关系。 f)处理项目组内各角色之间的关系、处理项目组内各成员之间的关系。 g)安排客户培训工作。
3、领导： a)保证项目组目标明确且理解一致。 b)创建项目组的开发环境及氛围，在项目范围内保证项目组成员不受项目其它方面的影响。 c)提升项目组士气，加强项目组凝聚力。 d)合理安排项目组各成员的工作，使各成员工作都能达到一定的饱满度。 e)制定项目组需要的招聘或培训人员的计划。 f)定期组织项目组成员进行相关技术培训以及与项目相关的行业培训等。 g)及时发现项目组中出现的问题。 h)及时处理项目组中出现的问题。 4、控制 a)保证项目在预算成本范围内按规定的质量和进度达到项目目标。 b)在项目生命周期的各个阶段，跟踪、检查项目组成员的工作质量； c)定期向领导汇报项目工作进度以及项目开发过程中的难题。 d)对项目进行配置管理与规划。 e)控制项目组各成员的工作进度，即时了解项目组成员的工作情况，并能快速的解决项目组成员所碰到的难题。 f)不定期组织项目组成员进行项目以外的短期活动，以培养团队精神。 项目经理是在整个项目开发过程中项目组内对所有非技术性重要事情做出最终决定的人。 二、项目经理岗位
项目经理的职业生涯规划 如果做出了职业选择，成为一名项目经理，在工作中应该怎样开始自己的职业生涯呢?成为项目经理之后，又可以走向什么样的岗位呢?总结合公司的职位体系，给出了一条可以参考的职业生涯路径，从助理项目经理开始，到项目经理、高级项目经理，直到总监、总经理。 1 涉足项目管理 涉足项目管理可以从一个助理项目经理——项目经理的“助手”开始。在一个项目中，除了本职工作，可以向项目经理要求分担一部分项目管理工作。对于上级的项目经理来说，有人愿意主动帮他分担工作自然十分乐意，自然也会愿意进行指导和帮助。项目管理论坛在这个阶段的重点是“掌握知识”和“学习技能”。 第一，系统地阅读书籍和参加培训，掌握项目管理的知识，技术最好不要放手。 第二，学习项目管理技能。可以在项目经理指导下学习使用各种管理工具，了解工作流程。比如，组织一个会议，会前需要什么准备?怎么确定日程?怎么协调多人的时间?会议上怎么形成决议?事后怎么进行跟踪?这些执行中的问题在理论体系中可能不会提及，也可能只是短短的几句话，但在实践中却是形成执行力的基础。项目经理博客 第三，学习软技能，体验项目经理的角色。观察项目经理每天都做什么、处理问题的方法、与人接触的技巧。如果有机会独立管理一个小组，就借机学习如何进行团队管理。如果有机会帮着项目经理处理一些外部关系，也可以学习如何与客户和合作伙伴打交道。转自项目管理者联盟 这个阶段工作起来可以放松一点，因为还有老项目经理帮着补台，所以不必过于担心。如果觉得自己不适合做项目管理，还可以果断地退出，对自己和项目都不会造成太大的损失。 2 成为项目经理 在掌握了基本知识、熟悉了基本技能之后，一旦开始独立负责一个项目，就正式踏入了项目经理的职业生涯了。哪怕是担任一个小型和中型项目的项目经理，都不能再想“撂挑子”了，否则对于项目、客户和团队都有重大的影响。 这个阶段的重点是掌握“实践技能”和“软技能”。 第一，实践技能。独立负责一个项目时就会发现，项目的情况千变万化，照搬书本上的知识一定不够，根据实际情况选择适当的方法，将理论知识和具体实践相结合，才能处理各种情况。在实践中要不断积累经验，举一反三，将项目管理知识变成项目管理技能。 第二，软技能。这时可能会体会到：一把手和二把手的区别是很大的，遇到事情没有退路，遇到冲突没人补台。因此，需要学会韧性和斡旋，通过沟通解决问题，需要努力锤炼沟通和协调能力，勇敢面对“谈判”。 项目经理虽然已经成为了全权“负责人”，但是需要通过他人完成工作，团队建设、激励鼓舞的能力就成? 在做项目的过程中，也是学习一些专业知识的好机会。项目一定属于某个行业，项目经理的周围往往就有行业内各方面的专家，朝夕相处的日子也是难得的学习机会。积极参加各种方案论证和评审，深入一些专业小组工作，不但可以增长行业知识，还能加深对项目细节的了解，增强对项目的把控。
地方应用型高水平大学年度建设项目工作任务书(应用型科学研究)
————————————————————————————————作者：————————————————————————————————日期：
地方应用型高水平大学2016年度建设项目工作任务书 项目名称：应用型科学研究 牵头单位负责人：诸立新 联系方式： 牵头单位：科技处 建设年份： 2016 滁州学院发展规划处制
一、项目建设总体目标 （包括：项目情况介绍，建设总体目标） 1. 子项目情况介绍 以地方需求为导向，服务地方产业结构调整和行业发展，加强应用型学科建设。现有省级重点学科1个、校级重点学科4个、校级重点建设学科5个，省级2011协同创新中心1个，省级人文社科重点研究基地1个，市级工程技术研究中心4个。近五年，承担国家级科研项目14项、省部级科研项目108项，签订技术开发、咨询、成果转化等产学研合作项目186项。科研到账经费2502万元，其中产学研合作项目到账经费1382万元；累计配套经费1500余万元。5项成果通过省级鉴定，2项成果成功转化，获国家专利授权110项。 对照地方应用型高水平大学建设要求，学校科技工作整体上尚处于起步阶段，科研基础较弱、科研总量较小、科研成果较少，科研意识尚待增强，学校服务地方能力和水平还有待提高。应用研究方向尚需凝炼；以重大项目为牵引,汇聚领军人才与团队，对地方经济社会发展的智力支撑尚显不足；高级别项目、高水平成果不多。 2. 建设总体目标 紧紧围绕安徽省东向发展战略和滁州市承接产业转移示范区建设，主动适应产业转型升级和创新型城市建设的需求，凝练学科方向，打造6个创新团队、构建6个高水平科技创新平台、培育一批高级别项目，形成学 科特色和优势，彰显学校办学水平，提升科技创新和社会服务能力。 应用型学科特色更加鲜明，科研激励机制更加完善，服务地方能力显著提升。培育2-3个省级重点学科、2-3个省部级科技创新平台、6个市级科技创新平台、6个区域产学研团队。力争获得2项省级以上科技进步奖，每年获得30项以上国家专利授权。科研到账经费每年递增30%，2018年到账经费达3000万元以上，其中产学研合作经费占50%以上。
分公司副经理和项目经理的岗位职责 副经理 1、在经理领导下,主持项目日常施工管理工作,贯彻执行公司质量、环境、职业健康安全方针,组织实施项目目标及管理方案,对各分部、分项工程的施工质量、工期、安全负直接领导责任。 2、负责制订施工网络,月进度计划,落实月形象进度。主持每月的工程调度会议,拟定实施工程进度奖惩办法。经理外出时,代理经理日常工作。 3、负责工程质量和安全的过程控制,组织有关人员向工区和施工队进行技术交底,主持质量事故和不合格工程的分析处理,坚持“三不放过”原则。 4、负责协调各工区、施工队交叉施工中工序的衔接与工作配合,定期或不定期组织工程项目检查,及时统计与总结,提出建议和决策意见,对不合格和不经济的施工方案,行使否决权。 5、严格按合同要求组织施工生产,将项目质量保证体系、环境管理体系、管理体系要求落实到各项工作之中。 6、负责与业主、监理进行工程施工计划、计量、质量、材料等方面的请示联系工作,负责协调和处理业主、监理的意见,负责工程项目变更、工程索赔的内部初审工作。 7、定期考核施工、技术和管理人员,负责对施工队伍的监管,参与劳务合同和分包合同的审核,向项目经理推荐施工队伍和技术骨干人员。 8、负责材料与设备管理,做好内部和外租设备的管理和调配以及工程材料采购、运输、储存、使用、防护与交付的监管工作。 9、负责本项目竣工资料的收集与整理,参与本项目的竣工验收和工程竣工决算。
10、定期向项目经理汇报工作,落实员工思想交流,接受公司相关部门的监督和服务,完成领导交办的其它工作。 项目副经理质量职责 1、受项目经理委托,指挥现场施工按施工组织设计和质量要求进行实施。项目经理不在工地时代行经理职责,处理紧急事务。 2、根据工程特点,建立施工现场的质量保证体系,并使之正常运转,确保工程质量。 3、在组织与指挥施工的过程中,以身作则,坚持“质量第一”的方针,结合实际,教育职工增强质量意识,在确保工程质量的前提下,完成施工任务。 4、严格按照施工及验收规范,技术标准,设计文件及施工程序组织施工。在检查工程完成情况的同时,检查工程质量指标完成情况,分析质量动态,采取措施,保证和提高工程质量。 项目经理岗位职责 1. 项目经理是项目经理部质量、文明、环境/职业健康安全第一责任人,对本项目质量、环境/职业健康安全负责。 2. 认真贯彻执行党和国家质量、环境/职业健康安全生产方针、政策和质量、环境/职业健康安全技术标准规范。 3. 组织制定单位工程质量、文明、环境/职业健康安全生产保证措施,并负责组织实施和检查。 4. 建立和建全本项目质量、文明、环境/职业健康安全生产保证体系,并积极开展质量、环境/职业健康安全生产工作。 5. 负责配合有关部门对本单位作业人员进行上岗培训。
石景山区关于支持科技创新 和科技成果转化应用的办法（试行） 为加快构建高端的科技创新驱动体系，发挥企业创新主体作用，提升产业创新发展能力，促进科技成果转化应用，推动科技成果转化应用强区建设，依据《中华人民共和国科学技术进步法》、《中华人民共和国促进科技成果转化法》等相关政策规定，制定本办法。 第一条本办法适用于在中关村科技园区石景山园及经认定的产业基地范围内注册纳税的企业、驻区科研机构、高等院校和科研人员。 第二条支持企业建立研发机构。对新引进的世界500强和国内100强企业在本区设立独立研发机构、新认定的工程技术研究中心等国家级研发机构，经认定，给予一次性资金奖励支持，最高100万元。对新认定的北京市重点实验室、企业技术中心等市级研发机构，经认定，给予一次性资金奖励支持，最高金额50万元。 第三条支持企业加强产学研用合作。对产学研用联合组建的新型产业技术研究院和协同创新中心等协同创新机构，经认定，给予一次性资金奖励支持，最高50万元。鼓励本区企业围绕本区重点产业，与海外企业、科研机构展开科技研发合作，针对实际发生的技术研发费用、购买用于引进消化吸收再创新的知 - 1 -
识产权费用，按照合同实际支出额的20%给予后补贴，最高补贴金额50万元。 第四条支持申请国内外专利。本区企事业单位和个人获得国内专利授权的，发明专利奖励5000元/件、实用新型专利奖励1000元/件、外观设计专利奖励300元/件。对于通过PCT及其它途径进入国外发明专利受理阶段的，按照1万元/国/件标准给予资助，每件最多资助两个国家或地区；对获得国外发明专利授权的，奖励1万元/件。 第五条支持制定和修订各类标准。对于主导制定和修订的国际、国家、行业标准的企业，按照标准级别分别给予50万元、20万元、10万元的一次性奖励，每家单位每年最高补贴100万元。 第六条支持知识产权专业服务。对服务不少于10家本区企业，且代理专利申请量超过1000件，服务优质、信誉良好、贡献突出的知识产权服务企业，给予一次性10万元的资金奖励支持。对企业围绕专利布局、挖掘、预警、评估、信息服务等购买知识产权专业服务，按照合同额给予购买费用30%的后补贴，最高补贴金额20万元。 第七条支持企业申报国家高新技术企业。对获得国家高新技术企业资格的企业，给予一次性5000元的申报资金补贴。 第八条支持科技成果在本区落地转化和示范应用。对拥有自主知识产权或自主研发科技成果的企业，通过新设公司进行产 - 2 -
项目经理必备的素质和职责分析 四分公司：袁建巧 前言 项目经理负责制作为广东南方通信建设有限公司09年的一项重大改革，如何使得该项改革成为公司可持续发展的利器，通过一改以往陈旧的项目管理制度，使得公司的项目管理更趋于科学化、规范化、制度化。但是，目前为止，以我四分公司项目经理管理实施的这几个月来看，效果还不是很明显。主要问题是，我们的项目经理都是刚从一线的生产技术骨干提上来，很多人连项目经理的概念都还是一知半解，目前的项目经理的角色多数处于“救火”队员的角色。为了帮助新上任的项目经理很好的理解项目经理这个角色，我想通过以下两个问题来和大家分享项目经理所必备素质和职责。 一.成为一个合格的项目经理的必备素质 1．项目经理的第一要务，就是要是一名真正的项目团队管理者项目的管理者，就要能够对项目的实施起到总控，包括团队建设、人员分工、计划制订、执行追踪控制、质量检查和阶段性成果复核、人员绩效和生活管理等，这其中关键的环节是团队沟通、交流和项目整体管理。 项目经理，是前线的指挥员，是公司管理层的延伸，这些管理文化或理念的传递更需要企业管理层要形成有效的管道和及时性的沟通机制，保证上下一致，也要形成一种管理上的互动。
对项目经理的作为项目管理者的要求，对于技术出身的管理者而言，交流和持续性管理，多为弱项，需要加强学习或通过岗位和人员的合理配臵来实现团队的综合管理。 2.要有很好好的项目的需求分析能力。 能够准确的把握一个项目的需求，并且而且分析出一个项目中客户需求的真正意图。 这个素质是能否成为一个合格的项目经理的前提条件，只有一个头脑清晰，并且能够明确的知道客户的诉求的项目经理，才能做出一个客户需要的项目或产品，并且只有一个对需求把握十分的准确的项目经理才有可能制订出一个合理的计划来，所以这个是项目经理最需要的素质，如果没有这项素质基本上不会成为一个合格的项目经理3.沟通能力。 沟通能力分为两部分，一部分是需要表达清楚自己做的事情，很清晰的阐述自己的观点，第二部分是正确的理解别人所诉述的事情，准确无误的明白别人的意思。 作为一个项目经理沟通是必不可少的，时常需要与客户打交道，并且还需要指挥项目组成员，而且还经常需要与横向部门进行沟通，索取必备的资源等，但是现实生活中的大多数人只具备其中的一项，倾听或者表达，真正达到有效沟通的人员并不多。 4.能够深刻的认知每一个人优缺点，发挥每一个人的特长。 能够清晰的分析每一个人的优缺点，是一个企业中的项目经理必备的素质，因为只有这样才能为每一个人合理的分配工作，并且也能
附件 人工智能与实体经济深度融合创新项目申报方案 为推动人工智能与实体经济深度融合，找准人工智能产业创新发展的切入点，加快落实《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，切实做好人工智能与实体经济深度融合创新项目申报工作，特制定本方案。 一、总体思路 以推动人工智能与制造业融合为主线，设置“智能产品、行业应用、支撑体系”3个方向，重点关注项目的创新性、推广性、应用价值等方面要素，支持一批创新性强、应用效果好的产品和项目，发现一批研发实力突出、具有明显带动作用的企业，探索形成可推广的新业态和新模式，调动各地区积极性，促进人工智能产业加速发展。 二、申报条件和流程 （一）申报要求 请各地工业和信息化主管部门紧密结合地区人工智能发展基础和优势，面向各自区域人工智能产业和应用单位全面征集，汇总后上报部科技司。中央企业及相关单位直接报送至部科技司。筛选评审工作由部科技司统一组织。申报主体应在行业具有较好的经济实力、技术研发水平和融合创新
能力。创新产品及服务项目要求拥有自主知识产权、技术先进、应用带动作用良好，并具有一定的代表性和标志性，对其他企业或行业具有较强借鉴意义和推广价值。 （二）申报数量 人工智能与实体经济深度融合创新项目由各地工业和信息化主管部门、中央企业集团推荐。项目容包括3类9项，每个申报主体只能申报一项。各省、自治区、直辖市及计划单列市、生产建设兵团工业和信息化主管部门推荐的创新项目数量一般不超过15个，中央企业集团推荐的创新项目数量一般不超过3个。 （三）遴选要求 工业和信息化部组织行业专家依据项目申报书进行评审，坚持公平公正原则，筛选出具备行业代表性的创新项目。申报材料要求描述详实、重点突出、表述准确、逻辑性强、具有较强可读性，既包括实践容，又涵盖理论剖析，杜绝虚构和夸大。 （四）评选标准 申报单位应在人工智能领域致力技术发展创新、促进行业深度应用。创新产品或服务应具有为企业创造和改变商业机会、重塑产业格局、改变人才团队结构等效果，为企业盈利状况及市场价值带来提升。产品类项目应基于人工智能技
项目经理的角色特点： 项目经理的工作对于项目的成功与效果起着关键的作用，具体表现在以下五个方面：1、合同履约的负责人：项目合同是规定承、发包双方责、权、利具有法律约束力的契约文件，是处理双方关系的主要依据，也是市场经济条件下规范双方行为的准则。项目经理是公司在合同项目上的全权委托代理人，代表公司处理执行合同中的一切重大事宜，包括合同的实施、变更调整、违约处罚等，对执行合同负主要责任。 2、项目计划的制定和执行监督人：为了做好项目工作、达到预定的目标，项目经理需要事前制定周全而且符合实际情况的计划，包括工作的目标、原则、程序和方法。使项目组全体成员围绕共同的目标、执行统一的原则、遵循规范的程序、按照科学的方法协调一致的工作，取得最好的效果。 3、项目组织的指挥员：总承包的项目管理涉及众多的部门、专业、人员和环节，是一项庞大的系统工程。为了提高项目管理的工作效率并节省项目的管理费用，要进行良好的组织和分工。项目经理要确定项目的组织原则和形式，为项目组人员提出明确的目标和要求，充分发挥每个成员的作用。 4、项目协调工作的纽带：项目建设的成功不仅依靠公司的工作，还需要业主、分包单位的协作配合以及地方政府、社会各方面的指导与支持。项目经理应该充分考虑各方面的合理和潜在的利益，建立良好的关系。项目经理是协调各方面关系使之相互紧密协作配合的桥梁与纽带。 5、项目控制的中心：对项目工期、工程质量及工程造价的控制是项目投资效益的重要因素，也是项目合同考核的主要指标。项目经理要运用先进的项目管理技术对项目的进度、质量、费用进行综合控制。制定执行效果测量基准，进行进展情况分析，采取纠正偏差的措施，保证项目的正常运行，是项目控制的中心。 总之，项目经理是公司法定代表人在工程项目上的全权委托代理人。对外代表公司与业主及分包单位进行联系处理合同有关的一切重大事项；对内全面负责组织项目的实施，是项目的直接领导者和组织者。 工程项目提成分配： 我们是专业的工程公司，其提成方式为工程毛利的10%~25%(商量后定)之间，具体根据项目的合同额和项目的预期毛利润额来规划提成比例。工程实施完工后，按四种情况进行确定项目组的项目提成： 1、工程管理混乱，没有完成合同的内容或不能按期完成合同内容并对公司形象、声誉造成不利影响的，如可能的情况下及时更换项目经理，并对原项目经理进行调离和罚款等处罚。 2、工程全部完成，但管理较乱，给业主印象不好的，不享受提成。 3、保质保量按合同要求完成合同内容，并基本达到预期毛利润额，充分维护公司利益和形象，得到业主认可的，按项目开始时规定的提成比例进行提成。 4、超额完成合同内容，并很好的协调各方关系，为公司赢得客户，并提高了毛利润额的，除按项目初期规定的提成比例进行提成外给予一定的经济奖赏。 项目管理工程中需要利用的报表 （一）前期准备 1、现场勘察纪要 2、施工组织方案及TEAM各成员名录和联系方式 3、工程施工任务书 4、工程进度计划表
民办非企业单位可行性报告 *****民政局： ***科学院、****政府、****公司、****先生申请成立****新材料应用技术研究院，现将名称预先核准的有关情况申请如下： 名称：****新材料应用技术研究院 （备选字号：****生物降解高分子新材料研究院） 办公地址：********* 业务主管单位： 举办者/举办单位简介： 举办者一： 名称：*****政府 乌鲁木齐高新技术开发区成立于1992年8月，是经国务院批准的全国54个国家级高新技术产业开发区之一，也是新疆第一个的国家级高新技术开发区，乌鲁木齐高新技术产业开发区位于乌鲁木齐市新市区东部，总体规划面积为9.8平方公里，东起河滩北路，西至北京路，南起新医路，北至喀什路。离新区交通方便，北有河北路，南有苏州路，西有城市主要交通干线北京路，东临河滩赂，中有河南路东西贯穿全区，通过河北路、河南路、鲤鱼山路到达北京路及河滩公路，与城市道路及公路网相连接，可以很方便地到达全市各地和飞机场、火车站等对外交通枢纽。
规划：从高新区中心到市人民政府行程10公里，到民航机场10公里，到铁路西站14公里，到规划的新客运二宫车站为8公里。高新区东部原为黄土荒山、黄土层以下为砂砾地层，为利用表层黄土现做为砖厂用地，围取土烧砖，地面起伏不平，将在黄土耗尽时进行改造利用；西半部多为农田，地势平坦，便于开发。城市总体规划中的商贸金融中心卫星广场及钻石城将成为高新技术产业开发区的招商区首先起步，不仅发挥了开发区“支撑体系”的作用，还会加快城市总体规划的实现。中国科学院新疆分院在本区西铡，将有利于加快科学技术向生产力转化的步伐，因此高新区选址定点的外部条件是比较优越的。 定位：承载国家使命，支撑区域发展，以创新型特色产业园区为依托，聚焦特色主导产业，建成中亚科技经济合作的桥头堡、中国西部创新驱动和低碳发展的先行区，打造我国面向中、西、南亚及俄罗斯市场的高新技术产业战略基地，成为新疆新型工业化的战略引擎和乌鲁木齐的科技新城区。 发展：2018年11月，国务院同意乌鲁木齐高新技术产业开发区建设国家自主创新示范区，享受国家自主创新示范区相关政策，同时结合自身特点，不断深化简政放权、放管结合、优化服务改革，积极开展科技体制改革和机制创新，加强资源优化整合，在培育优势特色产业集群、科技创新重大平台建设、科技成果转化、人才培育引进、科技金融结合、知识产权运用与保护、面向中西亚合作创新等方面探索示范，努力创造出可复制、可推广的经验。 作为乌鲁木齐高新区（新市区）唯一的国有创投服务
岗位：项目经理 1、计划： a)项目范围、项目质量、项目时间、项目成本的确认。 b)项目过程/活动的标准化、规范化。 c)根据项目范围、质量、时间与成本的综合因素的考虑，进行项目的总体规划与阶段计划。 d)各项计划得到上级领导、客户方及项目组成员认可。 2、组织： a)组织项目所需的各项资源。 b)设置项目组中的各种角色，并分配好各角色的责任与权限。 c)定制项目组内外的沟通计划。（必要时可按配置管理要求写项目策划目录中的《项目沟通计划》）
d)安排组内需求分析师、客户联系人等角色与客户的沟通与交流。 e)处理项目组与其它项目干系人之间的关系。 f)处理项目组内各角色之间的关系、处理项目组内各成员之间的关系。 g)安排客户培训工作。 3、领导： a)保证项目组目标明确且理解一致。 b)创建项目组的开发环境及氛围，在项目范围内保证项目组成员不受项目其它方面的影响。 c)提升项目组士气，加强项目组凝聚力。 d)合理安排项目组各成员的工作，使各成员工作都能达到一定的饱满度。
e)制定项目组需要的招聘或培训人员的计划。 f)定期组织项目组成员进行相关技术培训以及与项目相关的行业培训等。 g)及时发现项目组中出现的问题。 h)及时处理项目组中出现的问题。 4、控制 a)保证项目在预算成本范围内按规定的质量和进度达到项目目标。 b)在项目生命周期的各个阶段，跟踪、检查项目组成员的工作质量； c)定期向领导汇报项目工作进度以及项目开发过程中的难题。 d)对项目进行配置管理与规划。 e)控制项目组各成员的工作进度，即时了解项目组成员的工作
情况，并能快速的解决项目组成员所碰到的难题。 f)不定期组织项目组成员进行项目以外的短期活动，以培养团队精神。 结语： 项目经理是在整个项目开发过程中项目组内对所有非技术性重要事情做出最终决定的人。 岗位：系统架构师（技术总监） 主要功能及职责： 1、系统架构师是软件项目的总体设计师，是软件组织新产品的开发与集成、新技术体系的构建者。 2、 系统架构师是在技术上对所有重要事情做出决定的人。（系统架构师在整个软件开发过程中都起着重要作用，并随着开发进程的推
附件2 新一代人工智能产业创新发展重点任务 揭榜单位申报材料 揭榜方向： 细分领域： 揭榜单位：（加盖单位公章） 推荐单位：（加盖单位公章） 申报日期：年月日
填报须知 一、揭榜单位应仔细阅读《新一代人工智能产业创新重点任务揭榜工作方案》的有关说明，如实、详细地填写每一部分内容。 二、除另有说明外，申报表中栏目不得空缺。申报表要求提供证明材料处，请补充附件。 三、纸质版申报材料要求盖章处,须加盖公章,复印无效,申报材料需加盖骑缝章，并与相应纸质证明材料一起交推荐单位邮寄。 四、电子版材料的内容与格式应与纸质材料一致，如不一致以纸质材料为准。 五、揭榜主体所申报的产品需拥有知识产权，对报送的全部资料真实性负责，对能否按计划完成重点揭榜任务作出有效承诺，并签署企业承诺声明（见“揭榜任务承诺书”模板）。
新一代人工智能产业创新发展重点任务 揭榜单位申报表 一、单位情况（提供证明材料） 单位名称全称（如实填写） 揭榜负责人 姓名职务职称 邮箱手机 申报联系人姓名手机邮箱传真 法定代表人注册资本单位地址 组织机构代码/ 三证合一码 单位性质□国有企业□民营企业□外资企业□事业单位其他（请注明）： 是否上市公司□否 □是（股票代码：上市地点：上市时间：） 整体业务收入（万元）指上一个财年（提供证明 材料） 研发投入 （万元） 指上一个财年（提供证明 材料） 其中与人工智能 业相关的业务收 入（万元） 单位人数研发人员人数 揭榜单位简介包括成立时间、主营业务、主要产品、技术实力、发展历程等基本情况，以及所获专利、标准、知识产权、所获竞赛类奖励荣誉等情况（需提供证明材料附后）（本部分内容不超过500字）。 参与单位
(征集)2019年首都临床诊疗技术研究及示范应用专项征 各相关单位： 为贯彻落实《北京市加快医药健康协同创新行动计划(2018-2020年)》中“提高临床研究水平，发挥溢出效应”的重点任务,充分发挥北京临床资源的优势，为北京医药健康产业高质量进展提供有力支撑，市科委现组织申报2019年度“首都临床诊疗技术研究及示范应用”专项〔以下简称“专项”〕。 【一】工作目标 本专项以医院和临床医生为创新主体，以临床实际问题为导向，通过依托京区优势学科力量开展疾病科技攻关，提升北京临床研究水平，保障市民健康；同时，推动医院与高校院所、医药企业协同创新，促使京区临床资源溢出效应凸显，为医药健康产业高质量进展提供有力支撑。 【二】支持方向 优先支持具有国际领先、先进水平的创新性研究，以及培养以后有可能成为北京的优势学科方向。重点开展两方面研究： 〔一〕支持由临床医生发起的、为改写国内外临床诊疗指南提供循证医学证据的临床应用研究，或是诊疗新技术、新方法的临床评价研究。鼓舞临床医生与生命科学领域专家或是企业开展合作。 〔二〕支持临床诊疗新技术向适宜技术进行转化，并进行示范推广应用。 【三】申报要求 〔一〕申报项目要求 1、该专项分为协同创新重点项目、优势学科培育项目和成果示范推广项目三类，其中： 1〕协同创新重点项目：面向在京国家临床医学研究中心、“首都十大疾病科技攻关与治理工作”领衔专家及复旦大学医院排行榜〔2017-2017年〕和中国医院科技量值排行榜〔2018-2018年〕排名前三的学科及专家团队进行定向征集，每个专家团队限报1项，择优支持。鼓舞以项目形式进行申报，原那么上每个项目下设课题数不超过5个，其中至少一个课题由中青年作为课题负责人。项目内容那么应重点围绕目前临床急需解决的重大临床问题进行课题设置。经费依照研究成果具有国际领先或国内领先水平等统筹考虑，资助额度为200-1000万元/项。 2〕优势学科培育项目：面向在京各级各类医疗机构进行公开征集，每家医疗机构能够以项目或课题形式进行申报，以项目形式申报时，原那么上项目下设课题数
一个项目的成功百分百归功于这个项目团队，而失败则百分百责任于项目经理人一人。虽然这看起来有点夸大，但项目经理的角色确实非常重要，项目经理工作流程有哪些关键点？项目经理需要具备哪些能力？ 一、项目经理工作流程23个关键点 1、接到公司领导指令后共同参与该项目的投标和配合设计人员搞好施工图设计工作。 2、设计定稿后，积极组织相关人员对施工图进行二次内审，无异议后制定该项目所需的人力、材料、生产设备等计划，上报主管经理审批后转到综合办给于办理。 3、接到施工图纸后，项目经理和预算员共同核定该项目的成本预算（填报成本核算表），并上报财务备案，以备公司的资金调配。 4、项目经理和技术员针对该工程共同起草制定该工程项目的施工方案(技术、安全施工方案、施工进度计划等)，严格按照施工流程和工程质量标准组织施工。 5、进入施工现场后立即组织对施工场地的勘测，解决施工用电、用水、暂设等问题，并与甲方进行沟通（交换联系电话）。 6、项目经理从进入工程现场（安全、技术质量交底）起，正式开始工程管理工作，在工程材料进场时必须到场核实，对施工现场的情况须按公司材料出库单和现场购买材料的情况逐项检查，认真记?，填写《现场材料检查记?单》对不符合规定的，须当场令其整改。对进场材料的质量须严格地进行查验，由现场经办人确认签字，对质量不合格或不符合公司规定的品牌的材料，须上报公司将其更换。按照相应内容填写《现场材料检查记?单》。 7、现场技术交底时，项目经理应召集设计人和各专项施工队负责人到场，熟悉设计图纸，核对现场具体情况，如实填写《现场交底单》。 8、在工程进行中，项目经理须对工程的各项工序逐一进行检查，将项目经理到场检查时间、当时的工程进度及工程质量检查情况记?在《工程施工日志》上。进场后应先进行成品保护工作，即对工地现场的入户门、暖气、ú气表、电表等原有物品用保护。并填写《现场财物确认单》。 9、项目经理在检查工地时，对施工现场的成品保护工作须加强检查，并将检查结果记?在“备注”栏中，对成品保护不符合规定的，要当场责令其整改。 10、项目经理应保证各施工环节相互紧密配合，不得出现窝工的现象，不得出现由于公司内部施工队原因引起的工期延长。 11、项目经理应提前3日约专项施工队（水·施工队、电气施工队等），待施工专项施工工序完毕后或须交叉施工时，进行专项工序验收，填写《施工工序交接单》《工程量认定单》。保证施工工序交接时、结算时出现前后相互指责的现象。 12、项目经理须及时将工程的进展情况进行汇报，回答有关工程质量方面的问题，将意见在《工程施工日志》上如实登记,并以书面的形式进行证实确认。 13、项目经理应协调设计方案与现场具体情况的统一，及时修改设计方案的不统一项。 14、项目经理应在相关工序前7天提醒购买材料进场（并填写材料申报表），备施工人员施工，若客户通过公司购买的材料，项目经理应直接通知公司材料相关人员按时将材料运到施工现场，并做好材料检查工作，填写《材料验收单》。
项目经理个人职业规划范文 本文是关于项目经理个人职业规划范文，仅供参考，希望对您有所帮助，感谢阅读。 项目经理个人职业规划范文(一) 在过去的20xx年中，很多领导组织发现职业路线是确保项目很好实现的最好的方式之一。 作为背景，必须先提到很多公司有两个职业轨迹——技术的和管理的，技术的和管理的知识是与众不同的，但都具有相同的价值观。如果一个杰出的技术人员没有兴趣或没有天分在管理的岗位上，那么授予他管理的职位是完全没有意义的。如果组织觉察到他们通过给予职业选择和路径去遵循，以便更好地适合他们与生俱来的技能和兴趣，则可以很好地保留他们的天分。 这里有我们从很多组织的职业阶梯中总结的关于项目经理的职业路线。这个总结提供了很多评价基础，那些都涉及先进的关于项目和项目经理角色的个人责任的背景。请记住：从技术的和策略的特性发展到有谋略的和综合的特性有稳定的步骤。 个人项目捐助者和任务领导者。这种个体有技术知识，并且可以定义和完成工作包，还能调整其他个人捐资者的努力。 项目经理(子系统水平)。这种个体有着所有九种项目管理知识领域(我们在第1章所述的)的知识。它可以管理一个稍微复杂的项目的所有部分，包括与顾客的接口、与供应商接口和团队建设。 项目经理(系统水平)。这种个体能比较负责地执行项目的所有事情。这样的人具有敏锐的商业头脑。 项目群的经理。这种个体可以管理整个项目组合，给子项目的项目经理提供指导。这种个体具有项目管理和项目组合管理的知识和能力。 让我们更深入地探讨个体执行者和项目经理的区别。通常，组织指派个人为“项目经理”，因为这个人是个出色的程序员、电路设计者或者木匠，而不是因为他曾经参加过培训或显示出作为项目管理者的能力。但是技术专家并不具备足
当前我国的经济发展速度日新月异，同时占重要地位的基本建的步伐也逐年加大。随着西部大开发拉开序幕，我国在基本建设项目上的投资可谓空前巨大；这就要求有一大批素质高、善管理、会经营、董技术的建设项目管理人才投入战斗。怎样管理好工程，在建设施工中节省资金、降低损耗、节省劳动力保证项目质量目标、进度目标如期实现。也就是怎样成为一个优秀的项目经理；优秀的工程项目管理者。 我认为项目经理至少应该具备下列条件。 1、要有良好的政治素质，有了良好的思想政治素质才能在施工项目的实施过程中坚持正确的经营方向，执行党和国家的方针、路线、政策遵守国家的法律、法规正确处理好国家、企业和职工三者之间的关系。 2、具备领导才能是成为一个好的施工项目经理的重要条件，团结友爱、知人善任、用其所长、避其所短，善于抓住最佳时机，并能当机立断，坚决果断地处理将要发生或正在发生的问题，避免矛盾或更大矛盾的产生。具有了这些能力就能更好的领导项目经理部的全体员工，唤起大家的积极性和创造性，齐心协力完成施工项目的建设。 3、掌握熟练的专业技术知识是成为优秀项目经理的必要条件。如果没有扎实的专业知识作后盾，在项目的实施过程中遇到难题或模棱两可的问题就无从下手、手忙脚乱最终导致人力物力上的浪费，甚至造成更大的错误。作为一个好项目经理的同时更要精通本专业各方面的技术知识。在精于本专业各项技术的同时应该有更广泛的知识面，要了解多学科、多个专业的知识，也就是说什么都知道、什么都懂，形成T形的知识结构。这样就可以在施工中轻松自如的领导各方面的工作，化解来自各方面的矛盾，顺利完成项目施工任务。 4、有工作干劲、有敬业精神、为人正直、敢于主动承担责任。在工程建设实施的过程中项目经理要接触很多人处理复杂多样的工作也会遇到各种各样的问题，如：施工中遇到技术问题难以解决，经过业主、监理、施工单位多方面的探讨拿不出成熟方案，此时工期紧张需要尽快解决施工方案。这就需要施工方挺身而出，大胆提出设想与业主同心协力解决难题。 5、在培养项目经理的过程中企业就给与实践锻炼的机会，在工程项目中重点从事项目的设计、施工、采购增加知识技能，对项目计划安排、网络计划编排、工程概预算和估算、招投标工作、合同业务、质量检查、技术措施制定及财务结算等工作的目的就是培养具有成熟客观的判断能力及丰富的工作、社会实践经验。具备实践经验后，才能灵活自如的处理可能遇到的实际问题。 6、思维敏捷精力充沛。工程项目施工是一项纷繁复杂的工作，尤其公路工程的施工大部分在没有路的地方，需要多方面考虑，紧密的布置。这需要有强健的体魄和充沛的精力来完成，在遇到突发事件时及时正确快速的处理没有敏锐的思维是不可能作好这方面工作的。 有了上述条件就是称职的项目经理了？错，具备上述条件只能说可以当项目经理。一个新的项目从开工建设到竣工决算，怎样管理才会取得最大经济效益。这要看施工项目经理怎样管理这项工程，从那里下手抓管理，以什么为重点，主要控制那些经济指标。这需要项目经理精心的研究学习。 我认为，要想管理好工程，创造最大效益。首先要了解自己作为项目经理，在工程建设中的地位、起到的作用及自身的职责和权利。 我国近些年加大了对项目经理的管理力度，下大力气培养项目经理并且对项目经理有了新的要求，在全国实行工程质量项目经终身负责制。这无疑是对项目经理的管理水平、工作态度和责任心提出考验，也对项目经理自身增加了工作和精神压力。我省遵照国家对项目经理的要求，给予项目经理更详细的管理权，河南省交通厅2000年16号文件对项目经理的职责、权利做出了详细的规定。其目的就是在给项目经理施加压力的同时创造条件，便于其在工程项目实施过程中的管理工作。 项目经理在工程施工的过程中起着重要作用，是施工项目实施过程中所有工作的总负责人，在工程建设过程中起着协调各方面关系、沟通技术、信息等方面的纽带作用，在工程施
项目经理的角色篇知识要点 项目经理是由执行组织委派，领导团队实现项目目标的个人。项目经理要负责在规定的范围、进度、成本和质量要求之下完成项目任务 1 项目经理的影响力范围 项目经理在其影响力范围内担任多种角色： 1）项目经理领导项目团队实现项目目标和相关方的期望； 2）项目经理充当项目发起人、团队成员与其他相关方之间的沟通者，包括提供指导和展示项目成功的愿景； 3）项目经理在组织内扮演强有力的倡导者的角色，与其他项目经理互动，有助于产生积极的影响，以满足项目的各种需求； 4）项目经理应时刻关注行业的最新发展趋势，获得并思考这一信息对当前项目是否有影响或可用； 5）项目经理担任主题专家，进行持续的知识传递和整合，推进专业发展；6）项目经理针对组织的价值选择指导和教育其他专业人员项目管理方法。 2 项目经理的能力 项目经理需重点关注以下三个关键技能： 2.1 技术项目管理技能 技术项目管理技能指有效运用项目管理知识实现项目集或项目的预期成果的能力。 顶尖的项目经理会持续展现出几种关键技能，包括： 1）重点关注所管理的各个项目的关键技术项目管理要素； 2）针对每个项目裁剪传统和敏捷工具、技术和方法； 3）花时间制定完整的计划并谨慎排定优先顺序； 4）管理项目要素，包括进度、成本、资源和风险。 2.2 战略和商务管理技能 战略和商务管理技能包括纵览组织概况并有效协商和执行有利于战略调整和创新的决策和行动的能力。此能力可能涉及其他职能部门的工作知识及相关领域知识。项目经理应掌握足够的业务知识，以： 1）向其他人解释关于项目的必要商业信息； 2）与项目发起人、团队和主题专家合作制定合适的项目交付策略； 3）以实现项目商业价值最大化的方式执行策略。
新产品研发流程优化与研发项目管理 ★主讲专家：张永杰先生（原深圳某大型世界知名高科技企业研发管理部经理）━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━【时间地点】2009年3月21--22日（上海--良安大酒店） 2009年3月28--29日（深圳--名兰苑酒店） 2009年6月5--6日（上海--良安大酒店） 2009年6月12--13日（深圳--名兰苑酒店） 【主办单位】时代培训网 ( https://www.doczj.com/doc/922250193.html, ) 【学员对象】企业产品研发部门项目经理、主管、项目组核心成员；技术部经理、主管；（副）总裁、（副）总经理、研发总监、研发组织主管项目的高层、项目投资部经理、总工程师、产品经理等及有涉及到产品研发项目管理负责人等。 【学习费用】2500元/2天/人(包括培训、培训教材、两天午餐、以及上下午茶点等) 【认证费用】500元／人（参加认证考试的学员须交纳此费用，不参加认证考试的学员无须交纳此费用）。 【认证说明】凡希望参加认证的学员，在培训结束后参加认证考试并合格者，颁发“香港培训认证中心国际职业资格认证中心ＨＫＴＣＣ”《国际注册项目管理师（研发项目管理方向）》职业资格证书。（国际认证／全球通行／雇主认可／联网查询）。（课程结束１０日内快递给学员）。 【联系方式】 【广州】０２０－－３４５４８５９２、３４５４８５９３ 【深圳】０７５５－８１２１４１７９、８１２１４１７６ 【邮箱】sdpxtg@https://www.doczj.com/doc/922250193.html, 联系人：赵先生、谢小姐 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━课程背景： 当今的研发已成为企业竞争的主战场，研发项目管理是极具挑战性的一项工作：研发面临市场、客户的压力，需要与内外部的各大部门协调，这些对项目经理和项目组成员都提出了更高的要求。因此研发项目经理的工作不仅仅是技术层面的产品开发工作，而是技术与管理相结合的工作，甚至更多是管理工作，项目经理的任务将不再是个人英雄般地拼命完成个体任务就行了，而应该是率领团队（项目组）完成整个团队（项目组）的任务。科技型企业在新产品/新服务的研发和项目管理过程中面临着如下一些长期困惑的问题： 1.如何平衡市场竞争的压力和客户多变的需求，快速将产品推向市场； 2.如何建立一个真正的“以客户为中心、以市场为导向”的研发组织体系，快速响应市场需求； 3.产品开发的过程中研发如何与市场、财务、生产、采购等相关职能部门协同工作； 4.研发资源管理中的“会哭的孩子有奶吃”、一个人做多个项目资源冲突、公司优先级高的项目在每个部门却无法保证资源优先、开始了很多项目却总是不能上市、立项评审会上为何总是问题不断 5.如何在保证产品质量的同时又要降低产品的研发费用和设计成本； 6.如何在产品开发的过程中积累技术和管理的经验，从制度上保证公司的成功； 课程在总结大量中国企业从“作坊式”的研发模式向“产业化”研发模式转变的过程中的成
人工智能创新应用重点示范领域 一、AI+金融 智能风控、智能投顾、金融监管、银行信贷。 二、AI+制造 工业互联网平台、质量检测、工业机器人、物流运输。 三、AI+商业 信息管理平台、跨境电商、国际贸易、线下零售。 四、AI+医疗 医院管理、医学影像、辅助诊疗、手术辅助、家庭医疗系统。 五、AI+交通 无人驾驶、无感通行、车路协同、智慧停车。 六、AI+城市管理 政务服务、智慧法院、垃圾分类、危化品管理、食品安全。 七、AI+教育 校园管理、辅助教学、个性化学习。 八、AI+社区 物业管理、生活服务、社区安防。 九、AI+园区 智慧孵化、企业大脑、AI展厅。 十、AI+文化旅游 融媒体发展、旅游景点、文化场馆。 深圳市人工智能创新应用示范项目 申报书
（模板） 项目名称： 牵头单位（盖章）： 合作单位一（盖章）： 合作单位二（盖章）： 申报日期：2020 年月日- 6 -
一、项目基本信息（牵头单位填写） - 5 -
二、单位基本信息 - 6 -
(注:有多家合作单位的，请分别填写此页表格) - 5 -
三、单位介绍 （一）牵头单位情况介绍； （二）合作单位情况介绍。 四、项目概况 包括名称、背景和必要性、建设思路和内容、技术方向、组织与合作方式、投入、经济和社会效益分析。 五、人工智能创新应用情况 人工智能技术、产品或解决方案在项目中的应用情况，包括但不限于技术方案、服务运营、技术标准、应用推广等方面的创新。 六、人工智能创新应用阶段性成效 应用人工智能技术、产品或解决方案后已产生的社会经济效益，包括但不限于效益提升、节能降耗、服务改善、管理优化、产品升级等方面的成效。 七、下一步计划 八、应用示范经验总结 （总结提炼出可复制、可推广的应用经验）。 九、相关附件 （一）项目关键技术装备、软件的清单及品牌、供应商； （二）企业拥有的自主知识产权或专利授权。 （格式说明：请用A4幅面编辑，正文字体为3号仿宋体，行距固定值28；一级标题3号黑体，二级标题3号楷体；双面打印；封面、骑缝、附件材料请加盖公章；企业基本信息页请加盖相应单位公章） - 6 -