关键词：信息管理与信息系统；课程教学；研究性案例；信息分析与决策支持
作者简介：唐晶磊（1974-），女，河北邢台人，西北农林科技大学信息工程学院，副教授；韩宏（1965-），男，陕西武功人，西北农林科技大学信息工程学院，副教授。（陕西杨凌712100）
基金项目：本文系西北农林科技大学校级教改重点资助项目（项目编号：JY1101009）的研究成果。
中图分类号：G642.0文献标识码：A文章编号：1007-0079（2013）17-0069-02
信息管理与信息系统（以下简称信管）专业的培养目标强调将管理学、经济学的理论基础和计算机科学与技术相结合，突出三者相互交叉渗透的特色[1]，以培养实用型和复合型高级人才为目标，使学生能系统掌握现代化信息技术手段和方法，具有综合运用所学信息技术、经济和管理等知识解决问题的能力，以便在企事业单位、各级管理部门、科研单位和教育等部门从事信息化建设、信息系统开发和管理，以及相应的教学和科研等工作。[2]
依据信管专业培养目标，如何培养信管专业学生掌握专业知识和能力，使信管专业的学生真正成为社会所需的实用型和复合型高级人才，是高等院校从事信管专业一线教学的教师必须深刻思考和探索的问题。本文结合笔者从事信息管理和信息系统专业本科生的专业课程教学实践经验，以及社会对信管专业学生的要求，对案例研究性教学模式进行了探索，并在信管专业主干课程“信息分析与决策支持”课程教学上进行了初步探索和实践。
一、信管专业课程教学现状分析
信管专业的主干学科是计算机科学与技术、管理学和经济学，[3]主干课程主要有信息系统分析与设计、管理信息系统、信息分析与决策支持、信息资源管理、管理学原理和会计学原理等。信管专业的课程教学中必须坚持技术和管理基础课不能削弱，使学生在各方面能力、技能上都有所发展。[4]
信息分析与决策支持是信息技术的主要研究领域之一，自20世纪70年代决策支持概念提出以来，决策支持系统已经得到很大的发展。[5]通过“信息分析与决策支持”课程的学习，可以使学生具备信息组织、检索与储存、分析研究、传播与开发利用的基本能力，为成为综合运用所学知识分析问题解决问题的高级专门人才做准备。[6]
由于管理学和经济学理论等基础类课程和计算机科学与技术等技术课程同时并进，甚至有时基础课类滞后于专业技术课，[7]导致学生的经济和管理理论等跟不上，信息系统分析、设计和开发能力或信息系统管理能力稍嫌欠缺，对分析策略和决策支持技术理解和运用的广度和深度不够，难以将理论和实践进行结合，最终造成应用开发和创新能力薄弱，难以适应社会对本专业的要求等。
二、信管专业课程教学中存在的问题
信管专业教学在相当大的程度上影响着未来信息技术的发展，信管教学模式决定了信息技术的发展水平。[8]然而信管专业课程教学中存在一些问题，影响了课程的教学。
第一，信管专业教材建设更新缓慢，信管专业教材要么偏重于工程类，要么偏重于管理类，不能将计算机科学与技术与管理学、经济学的理论基础相互交叉渗透，突出三者相互交叉渗透的特色，难以达到培养实用型和复合型高级人才的目标。
第二，课程开设及先后顺序不尽合理。比如“管理信息系统”、“管理学原理”等课程要早于“信息分析与决策支持”，但有些高校“管理信息系统”、“管理学原理”课程与“信息分析与决策支持”同步进行，甚至“信息分析与决策支持”所需“信息分析与人工智能技术”课程也晚于此课开设。这导致信管专业学生不仅缺乏相关经济管理理论基础，而且也缺乏相应的开发和应用技术。[9]因此，在制定信管专业培养方案、布置教学计划时，应充分考虑课程开设及先后顺序要求，否则很难达到专业培养目标。
第三，实验条件有待提高。很多学校信管专业课程课时数过少，教学条件尤其是实验条件不完善。比如，信管专业课程“信息分析与决策支持系统”对实验条件的要求比较高，需要有专门的实验室和性能较好的实验平台，以实现决策支持系统的开发应用。[10]但有些学校存在对该课程认识不足的现象，致使实验条件很难改善和提高。
要解决以上问题，首先应该强调信管的专业特色，要重视管理学和经济学的基础，强调学生应用计算机技术和解决实际问题的能力。其次，要准确定位专业培养人才的目标，研究教学计划，完善专业培养方案，选择开设的课程目录和开设的先后顺序，改善和提高专业课的实验条件，以让学生充分掌握专业知识为目的确定合理的教学课时数。
信管专业很多课程实验性非常强。目前专业课程教学方法过于简单，教学效果不理想。因此，应以提高学生的实践能力为目的，引入研究性案例教学模式，并利用研究性案例教学模式指导教学和实践。
三、研究性案例教学模式的思想及基本原则
在课程教授过程中，应用互动式教学手段，在教学过程中，教师和学生的角色可以互换，充分调动学生的学习积极性，激发学生学习的主动性，从而保证教学效果，实现专业培养目标。针对部分教材缺少原理的实际应用案例，通过利用具有实用性的研究性案例进行实验教学，实验共12学时，其中设计型实验8学时，综合实验4学时，补充研究性案例。
研究性案例教学遵循4个基本原则。第一，研究性案例教学要坚持知识和技能综合发展的原则。第二，研究性案例教学要坚持以学生为中心发挥学生特长的原则。第三，研究性案例教学要坚持加强实践教学的原则。第四，研究性案例中要深刻领悟基本原理和理论，过程不深究，重点在分析应用的原则。
四、研究性案例教学模式的实施
依照信管专业培养目标和案例性教学的基本原则，研究性案例课程教学实践模式如下。
1.完善教学内容
理论知识与实践应用相结合，补充研究性案例，学生在掌握基本理论知识的基础上，对研究性案例进行分析，并应用基本理论知识对案例进行求解。在每章理论讲授完成后，会补充该理论知识的应用案例，增强学生对该理论知识的理解和应用能力，培养学生的学习兴趣。例如，在讲授人工智能技术章节时，补充神经元的结构和作用函数，并将笔者博士论文里面所用的BP网络作为研究性案例进行讲解。同时，再利用异或问题求解的研究性案例，利用MATLAB语言编程实现神经网络的实例应用，增强学生对神经网络解决实际问题的理解和应用能力。
选择合适的研究性案例，能够使学生把经济和管理理论与实际案例应用结合起来，加深对理论和各种决策支持技术的理解，真正达到应用的目的。例如，在讲授基于数据仓库的决策支持系统时，以航空公司数据仓库决策支持系统为例，分析航空公司数据仓库系统的功能模块。通过查询“北京到各地区的航空市场情况”，发现西南地区总周转量出现了最大负增长。然后对此问题进行多维分析和原因分析。这种既真实又具有极强说服力的研究性案例，增强了学生综合运用所学知识分析问题和解决问题的能力。
2.调整授课方式
调整填鸭式授课方式为以教师讲授为主的讨论式教学。在每章理论部分讲授结束后，结合有针对性的研究性案例，进行讨论式教学，激发学生的兴趣，启发学生的思维，潜移默化地培养学生的思维能力。在学生稍显疲惫的每节课后10分钟，通过提问学生和分组讨论，进行适时总结所讲内容。这不仅能够活跃课堂气氛，而且也能通过问答或讨论的方式促使学生思考，使学生自然扫除后10分钟的听课死角和疲惫。例如，在决策支持系统理论部分教授结束后，结合物资分配调拨的决策这一研究性案例进行讲解。本研究性案例涉及到多模型组合、数据库大量数据处理的决策问题。通过案例对企业分散在各地的30多个仓库和20多个分厂的上千种物资需求申请进行汇总分析，进行物资分配调拨。依据分析确定相应的模型和模型组合，并建立相应的物资调拨分配流程图，利用数据库大量数据处理，即可实现物资分配调拨的决策支持。通过研究性案例讲解和讨论，使学生对比人工作业和决策支持系统计算机运行的时间和效率，很直观体现了决策支持系统的特点和作用。通过以上研究性案例的讨论分析，使学生牢固掌握系统开发的过程、步骤和所用的模型库、数据库和知识库。
3.加强研究性案例实践环节
基于培养实用型和复合型高级人才的目标要求，克服单纯采用验证性实验的弊端，在实践环节设计上，利用东华大学的决策天地和MATLAB7.9语言两个实验平台，通过研究性案例进行实习。实践环节采用循序渐进的原则，组织两个层次的实验。首先用验证性实验来验证技术上的可行性，然后利用设计性综合实验使用信息分析和决策技术。例如首先利用遗传算法的MATLAB的程序实现，然后利用遗传算法的人工智能技术，在系统开发平台上设计实现人工智能决策支持系统。综合性实验是实践环节的升华，要求学生从多个设计题目中选择一题。实验前，必须从所学的决策支持技术中选择一种，题目中涉及遗传算法、神经网络、数据挖掘、OLAP和SWOT分析、知识发现、数据仓库等技术，利用这些技术在实验平台上实现系统模块的设计、所需模型和模型组合设计、数据库和数据仓库的设计、界面设计等过程，使学生牢固掌握系统开发的过程、步骤和所用的模型库、数据库和知识库。
4.改进教学手段
在教学手段上，充分利用现代教育手段，结合多媒体技术、编程软件、系统开发平台和网络资源等，在课堂讲授、实验设计和实践等环节中综合使用各种教学手段。对于难以理解的内容，引入有针对性的研究性案例，结合多种教学手段，使抽象的理论可视化，激发学生的学习兴趣，活跃学生思维。例如在知识表示方法讲授部分，ID3算法思想、主算法和建树算法抽象且难以理解，引入判断某天气实体气候类别的研究性案例，采用教室配备的黑板进行板书讲解，在黑板上将主要的推理过程和计算过程列出，这样更有助于理清ID3算法条理，也给学生留下充分的记笔记和思考的时间，加深学生对ID3算法的理解。对于难以理解的理论和案例，组织学生进行专题讨论，并采用学生讲授教师点评引导的方式，锻炼学生创新思维能力。
五、研究性案例教学模式的效果及意义
研究性案例的教学模式，在“信息分析与决策支持”课程教授中实施2年（2010-2012）来，使学生结合经济理论，深入掌握了企业主流的应用技术及开发设计工具，通过实践深刻领悟管理学、经济学、系统科学与工程等现代管理理论和知识，培养了学生的经济系统分析、数据分析与建模的能力，使学生具有了较强的信息系统分析、开发和管理等实际工作能力，取得了明显的教学效果。
在专业性较强且没有给出系统运行结构图的案例中，通过讲解引导学生分析案例，画出20个专业性强的包含案例中所有模型库和数据库的系统控制运行图，增强了学生的实践开发能力。笔者分别对2010、20111和2012年度的期末试卷进行分析，发现学生在案例分析、案例模型库和数据库设计和应用上的能力大大提高。由此说明，案例性教学模式的应用和渗透，增强了学生综合运用所学信息技术、经济和管理等知识解决问题的能力，使信管专业的学生真正成为社会所需的实用型和复合型高级人才，满足社会对信管专业人才的需求。
参考文献：
[1]周济.谋划发展规划未来[J].中国高等教育，2003，（2）：5-11.
[2]陈晓红.决策支持系统理论与应用[M].北京：清华大学出版社，2000.
[3]彭涛，佟建新，范莉丽.基于案例教学的信息系统分析与设计课程改革研究与实践[J].北京联合大学学报，2009，（4）：86-89.
[4]裴有为.对构建以能力培养为核心的教学模式的研究与实践[J].当代教育论坛，2006，（1）：98-99.
[5]季诚钧.试论高校课程体系中的四大关系[J].高等工程教育研究，2002，（6）：34-37.
[6]冷伏海，张学福，王巍.支撑中小企业的信息管理论纲[J].中国图书馆学报，2000，（1）：55-58.
[7]吕新民.经济管理类专业《管理信息系统》教学研究[J].中国管理信息化，2006，（2）：88-90.
[8]张金芳.我国企业信息管理的现状及对策[J].信息管理导刊，2002，（6）：25-28.
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
中文核心期刊(1996)
中文核心期刊(1992)
2004年《统计与决策》杂志第四次入选了全国中文统计类核心期刊，又被全国高校中极具权威的中文社会科学引文（cssci）”中心评定为核心期刊，《统计与决策》不仅连续入选北大核心目录，还被众多重点院校评为权威期刊，其学术性得到了广大学者的承认，根据新闻出版总署的《期刊出版管理规定》和教育部中文社会科学引文索引（cssci）指导委员会第六次会议精神，本刊从2007年10月出版的杂志开始，规范刊期和版本标注，恢复刊期标注为连续出版刊期标注。下半月不再标注理论版”字样，即今年10月上半月出版期为2007年第19期，10月下半月为2007年第20期，以此延续类推。上半月刊从今年10月起的排版方式改为原理论版”的排版方式。本刊仍属全国中文核心期刊，cssci来源期刊，其学术理论方面的影响在全国统计系统和高校中不断扩大，地位也得到了很大提升。
本刊所设栏目
关键词：决策支持系统；人件；人件服务；软件服务
一、引言
随着决策理论与方法研究的推进，计算机科学与信息技术的飞速发展，为满足决策者决策需求内涵的丰富与提升，一种重要的决策支持工具――决策支持系统（DecisionSupportSystem，DSS）应运而生。1971年，ScottMorton和Gorry首次提出DSS的概念以支持半结构化和非结构化决策。DSS是在MIS和基于模型的信息系统基础上发展起来的可形式化、可模型化的、层次较高的信息系统，追求的目标是有效性。自从DSS的概念被提出以来，研究者和实践家们一直在努力构建更合理、更完善的系统体系。
二、决策支持系统
1.DSS概念体系。
（1）理论基础与实现依据。DSS的理论研究及实践开发和很多学科（领域）的知识有关，其理论框架涉及到计算机科学、信息科学、管理科学、决策科学、行为科学等领域。它不断吸收其他学科的知识并遵循其自身结构与功能特征的发展规律以完善其理论体系。
DSS支持全部决策过程，不同的研究者对决策过程模型有不同的认知和表述。DSS的研究者在很大程度上受到Simon决策过程模型的影响。它不仅用来解释决策过程，还是DSS实现的理论依据，且被很多研究者作为区分DSS和其他信息系统（如MIS、ES等）的标志。
（2）定义。自DSS的概念提出后，很多专家与学者（如Keen，Little，Alter，Moore，Bonczek&Tuban）等对DSS的定义进行了不断扩充与完善。
在军事指挥决策领域，DSS往往被称为辅助决策系统，但“决策支持辅助系统”和“辅助决策支持系统”都是不严谨的名称，因“支持”和“辅助”内涵相近。DSS的术语是内容自由的表述，不同时期、不同领域、采用不同技术的人对其有不同的理解。DSS广义的理解是指用来描述任何支持决策过程的人机系统，狭义的理解是指一种特定的技术。随着相关理论和技术的发展，DSS的概念内涵和外延都在不断丰富与发展之中，但理解DSS的实质需根据系统结构及其所决定的系统关键特征和功能。
因此，没有一个广为人们接受的统一的DSS定义，这也为该领域的发展留有待扩充空间，但不能忽视DSS的目的是支持和改进决策过程。
（3）基本结构。传统DSS基本结构总的来说分为两大类：一类是以Sprague两库结构为基础的“三部件”结构，它由数据部件、模型部件和对话部件组成，如图1所示；另一类是Bonczek（1981）提出的基于知识的“三系统”体系结构，它由语言子系统、问题处理子系统和知识子系统组成，如图2所示。它们分别从不同的角度揭示了DSS的内部结构和功能模块特征，都对后来DSS的结构扩充产生了很大的影响。
（4）关键特征和功能。因DSS没有统一的、广为接受的定义，故DSS的标准特征和功能也没有统一的描述。但理想中的DSS的关键特征和功能如图3所示。
（5）分类。在DSS的演化进程中，不同时期的不同研究者从不同视角、不同层次对DSS作了不同的分类。比较有代表性的是：Donovan，Madnick（1977）按能否支持重复决策，把DSS分为惯例DSS和临时性DSS；Arnott，Pervan（2005）按DSS的应用范围和技术特点，分为个人DSS，GDSS，谈判DSS，IDSS，基于知识管理的DSS，BI和DB。
在学术界广为接受的是Power（2007）按驱动方式将DSS分为模型驱动型DSS、数据驱动型DSS、通信驱动型DSS、文本驱动型DSS、知识驱动型DSS和基于Web的DSS等类型。近年来，基于数据仓库（DataWarehouse，DW）、联机在线分析（On-LineAnalyticalProcess，OLAP）和数据挖掘（DataMining，DM）的商业智能技术得到了迅速发展，再加上Microsoft、Oracle、IBM等数据库厂商的大力开发与支持，使得数据驱动的DSS相对于模型驱动的DSS具有更高的标准化程度和产品成熟度。
2.系统分析和设计方法。DSS的系统分析和EDPS、MIS等不同，主要应符合决策者对决策过程的认知、满足DSS的设计规范和提升DSS的系统效能等方面。对DSS的系统分析通常采用一种称之为ROMC的方法，即表述（Representation）、操作（Operation）、记忆辅助（Memoryaid）和控制机构（ControlMechanism）等，其主要特征是过程独立、依赖表达式但方法本身并没有提供实现DSS结构的具体技术。
DSS的设计可采用结构化系统开发方法、层次模型法、面向对象法等。每种方法的着眼点不同，选择系统设计方法时，需综合考虑开发人员的知识结构、决策问题的结构与特征、系统的可维护性等因素。
3.应用。在已投入使用的信息系统中均有DSS成功应用于经济、管理、军事等领域的实例，这大大提高了决策的科学性。目前，许多全球著名的软件供应商，如CA、IBM、Oracle、NCR、Informix、SAS等都提供支持DSS研发的各种工具。
在国内，从事DSS研究的单位主要有中科院、南京大学、国防科大、中南大学等，它们已取得了很多理论研究与实践应用成果。目前，国内DSS的应用主要体现在大型互联电网、高等教育评估、军队指挥自动化、应急管理、物流管理等领域，其应用范畴仍在不断扩展之中。
三、演化进程
自DSS概念提出以来，在人工智能、数据库、模型库、知识管理、联机分析、语义Web服务等新技术的不断推动以及对决策理论与方法的深入研究，DSS呈现出了以不同技术为主要表征的多种形态并已经取得了一系列重要的进展，如：对DSS定义和基本框架的拓展和改进、面向组织和团队的群体决策支持系统（GroupDecisionSupportSystem，GDSS）、商业智能（BusinessIntelligence，BI）技术、决策支持中心（DecisionSupportCenter，DSC）、综合性决策支持系统（Intelligent，InteractiveandIntegratedDSS，I3DSS）、智能决策支持系统（IntelligentDecisionSupportSystem，IDSS）以及基于网络技术而发展的分布式决策支持系统（DistributedDecisionSupportSystem，DDSS）等，目前DSS的研究主要集中在应用层面，其演化进程总结如下。
20世纪60年代：DSS的研究主要体现在ScottMorto的管理决策支持，卡内基梅隆大学（CMU）的组织决策理论研究，麻省理工学院（MIT）的有关交互式在线分析处理系统的技术研究，决策支持理论发展等方面。系统的主要特征是将交互式技术应用于管理任务。
20世纪70年代：ScottMorton和Gorry（1971）提出DSS的概念；1971年~1976年，研究主要集中在交互式的计算机系统，后把模型融入DSS；Keen和ScottMorton（1978）把DSS的应用范围限定在对半结构化管理决策的支持；这阶段具有代表性的是BrandAid，Alter，Holsapple等的研究。70年代中后期，系统主要注重有效性，而不是效率。
20世纪80年代：Sprague（1980）提出DSS的“三部件”结构，后又增加了知识库和方法库；Bonczek（1980）等提出DSS的“三系统”结构；1981年首届DSS国际会议在亚特兰大举办；1980年出现了GDSS的概念；Owen（1985）等人提出了DSC的概念；Kersten（1985）年开发支持谈判的决策支持系统NEGO；1989年出现的群件LotusNotes；Kraemer和King（1989）提出的协同决策系统CDSS。人工神经元网络及机器学习等技术的研究与应用为知识的学习与获取提供了新途径，如专家系统和DSS结合形成IDSS。这阶段有代表性的是：DSS书籍；群决策支持系统原型；基于计算机的专家系统等。20世纪80年代中后期，注重系统的柔性及应用性。1990年以前，DSS大多是模型驱动的。
20世纪90年代：1990年后，BillInmon和RalphKimball积极推崇使用关系数据库技术建立数据驱动的DSS；1994年，开始把OLAP功能集成到数据库中；1995年，数据仓库和WorldWideWeb开始影响决策支持技术的发展，基于Web的DSS变得切实可行；GartnerGroup（1996），提出BI的概念。随着网络、新一代数据库、多媒体、仿真和虚拟现实等技术的发展，DSS的研究主要集中在商业智能/联机在线分析、数据仓库、基于Web服务的系统/门户网站、数据挖掘等方面。系统的主要特征是网络化、应用性、数据驱动。
21世纪至今：系统研究注重应用、注重集成及融入人的高级思维，出现了面向服务的体系结构（Service-OrientedArchitecture，SOA）的一体化系统形态。重视计算机与人的知识的相互融合及有效管理，强调DSS与人的交互。特别是近几年来，开始关注触控界面技术。系统的主要特征是友好交互、个性化、智能化、集成化。
DSS名称的扩展反映了决策支持技术的进步和决策者需求内涵的提升，几种主要的DSS形态的特征对比如表1所示。
每一种系统形态都有其独特的运用范围，即所求解的决策问题都有一定的边界。当然，无论是哪种形态的DSS，都需经过系统调查、可行性论证、系统规划、系统分析、系统设计、系统实施和系统评价等各阶段。
四、面临的问题
目前，物联网、云计算、网络超算、无线传感、语义Web等新技术的出现和现有决策支持技术的发展，对个人、组织和社会的影响与日俱增。现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入困境，这引起了我们的反思，DSS的决策支持效能为什么多年来没能提上去？
传统DSS是进行决策任务求解的重要支持工具，主要具备基于逻辑和符号推理的理性决策能力。在实践中常面临以下问题：
（1）知识提取困难。信息是决策的基础，海量（多维）信息、不完备信息，并有信息孤岛的存在，如何从这些信息中提取所需知识成为严重影响DSS系统效能的因素。
（2）处理半结构化和非结构化决策问题的能力较弱。目前，已经应用于实践的DSS大部分是模型或数据驱动的，面对结构化和非结构化的问题缺乏有效的解决途径。
（3）忽视了人的参与作用。传统DSS的发展重心在技术，主要依靠数据和模型从决策技术层面支持人的决策，忽略了不能完全模型化（定量化）的非技术因素（人的认知），人只是系统的“看客”，而单纯考虑技术因素往往让决策者认为技术不符合决策需求，作为非技术因素的人又是决策系统的一个重要组件，其参与作用如何才能被刻画出来且无缝融入系统并获得决策者的认可。
这些存在的问题严重影响了DSS的使用价值和用户的使用热情，以致DSS的进展不大，但这也是一种挑战和推动力。因此，如何突破现有DSS的体系架构以提供快速决策和满足决策者真实需求的复杂的、个性化的决策服务也就成为了研究焦点。
五、发展趋势
进入20世纪90年代以来，人工智能（包括遗传算法、模糊逻辑和智能等），数据库技术，WebService，特别是一些专用技术如网格计算、人机交互、移动计算和启发式搜索的算法等技术的发展，为DSS的发展提供了强大的技术支撑，扩展了系统辅助决策的深度与广度。其发展趋势主要有：
1.注重基于认知特征的人机交互技术。系统通过人机交互技术支持决策过程，为决策过程中超越其认知极限的问题处理提供适用技术手段。近年来，基于知识的人机交互技术是目前DSS研究的主要方向。随着信息技术的发展，人机交互技术的研究也从简单的菜单驱动和多媒体界面发展到智能化、多模态（通道）界面，除了传统的键盘输入、触摸屏等接触式操控模式外，还允许语言、手势、视觉（眼动仪）等多种非接触式操控模式。
2.注重人的高级思维的参与，从技术和非技术角度重建系统架构。目前，人类对信息处理规律的研究与探索已经渗透到认知领域，但人的认知特征并没有体现在传统DSS系统设计与操作过程中。我们认为，需从技术与非技术的角度考虑DSS的体系结构。将人的高级思维嵌入到非结构化决策问题求解之中以实现人机智能的协同与融合，以期系统在可信度、可行性、适应性、敏捷性等方面都会有所提高。当然，这势必会引起新型决策系统架构的改变，也会带来一系列需要解决的关键技术。譬如，如何将人件（参与决策活动的人）和软件网络赋能为人件服务和软件服务，并纳入系统进行统一管理、调度及使能驱动等。
3.注重各种相关技术的集成应用。未来的DSS将是综合集成的，是一个集各种决策支持技术于一身的多功能系统。它把专家群体、决策者、统计数据和信息资料与计算机软件系统等有机结合起来，构成一个操作便利、快捷、流畅、更能反映决策者高级思维的新型决策系统，具有感性与理性、定性与定量的综合功能。特别是将语义Web服务、认知科学与未来DSS的设计与开发相结合，已引起国内一些科研院所（校）的重视，并开展了一些基础性研究工作，但仍有很多理论问题和技术实现难点有待深入研究。
4.注重系统的智能化。随着人工智能技术的不断发展，人工智能技术在DSS中的应用己经相当广泛。大体可分为两类：一类是用人工智能技术去实现DSS的模型管理、模型选择等；另一类则是利用人工智能的知识表达和推理能力直接为决策问题提供支持。如使用专家系统可提升DSS的模型和数据管理；神经计算系统或GSS能够支持专家系统的知识获取过程；智能技术能实现不同任务的自动化，最终代替人执行许多日常事务等。
六、总结
阐述了DSS的产生背景、概念体系、系统分析和设计方法、应用等方面，总结了DSS的演化发展历程。针对现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入“困境”，反思了为何多年来DSS的系统效能提不上去的原因，并分析了DSS进一步的发展趋势。
参考文献：
1.吴奎.基于面向服务架构的辅助决策开发平台若干关键技术研究.南京：南京理工大学博士学位论文，2010.
2.白晓民，张伯明.大型互联电网在线运行可靠性评估、预警和决策支持系统.北京：清华大学出版社，2010.
3.瞿斌.高等教育评估决策支持系统.北京：中国水利水电出版社，2011.
4.李照顺，宋祥斌等.决策支持系统及其军事应用.北京：国防工业出版社，2011.
5.吴健宏，翁文国.应急避难场所的选址决策支持系统.清华大学学报（自然科学版），2011，51（5）：632-636.
6.王富忠，沈祖志.物流敏捷调运决策支持系统的研究.中国管理科学，2011，19（1）：84-90.
7.黄孝鹏，周献中，田卫萍.基于人件服务的人机协同决策系统有关问题研究.第三届C4ISR技术论坛，2011，（11）.
8.黄孝鹏，周献中，杨佩，萧毅鸿.基于人件服务的新型决策系统关键技术研究.计算机应用与软件，2012，29（2）：19-21，66.
基金项目：国家自然科学基金（项目号：71171107）；总装重点预研基金（项目号：9140A06040510BQ***）；江苏省普通高校研究生科研创新计划（项目号：CXZZ11_0054）。