Bien que les méthodes de calcul peuvent donner de bons résultats, ils ne sont généralement pas en accord avec exactement les données d'essais en vol en raison des incertitudes dans les modelé de calcul de structure et aérodynamiques. Une méthode efficace est nécessaire pour la mise à jour des modelé aeroelastiques en utilisant les données d'essais en vol, les données d'essais de vibration au sol ( GVT ) et les données de soufflerie. Tout d'abord tous les développements ont été valides sur une section de l'aile 2D et sur un modèle 3D simple et après l'approche POD a été applique= a une configuration industrielle (modèle de soufflerie aile-fuselage et modèle d' avions complète). / Although computational methods can provide good results, they usually do not agree exactly with the flight test data due to uncertainties in structural and aerodynamic computational models. An effective method is required for updating computational aeroelastic models using the flight test data along with Ground Vibration Test (GVT) data and wind tunnel data. Firstly all developments have been validated on a 2D wing section and on a simple 3D model and after the POD approach has been applied to an industrial configuration (wing-fuselage wind tunnel model and complete aircraft model).

Les écoulements de convection naturelle en espace confiné sont généralement turbulents (grandes dimensions et/ou écarts de température importants). L'approfondissement de la connaissance de ce régime et des transferts qui y sont associés semble donc essentielle. Cette étude expérimentale concerne les mécanismes de transferts thermiques turbulents en s'appuyant sur des mesures couplées vitesse/température dans un écoulement de convection naturelle turbulente à haut nombre de Rayleigh (Ra1-1= 1,2x1011) au sein d'une cavité différentiellement chauffée de rapport de forme vertical (hauteur/largeur) égale à 4. Une chaîne de mesure PIV permet les acquisitions de vitesse tandis que la température est mesurée par micro-thermocouple de type K (0=12,7 μm). Les deux mesures étant synchronisées via un générateur de pulses type BNC®. Une attention particulière a été portée à la détermination des conditions aux limites en température des parois adiabatiques et au post traitement des données de PIV à l'aide d'une décomposition orthogonale basée sur l'énergie cinétique des champs de vitesse (POD). Cela a rendu possible, d'une part le calcul expérimental de quantités liées à la turbulence comme les flux d'enthalpie et des nombres adimensionnés pour la turbulence (Prandtl, diffusivité ... ) et, d 'autre part, l'évaluation de la contribution des autres termes des équations de Navier-Stokes (gradient de pression et terme source volumique). Enfin, une discussion sur les échelles caractéristiques de l'écoulement est menée et une comparaison avec des résultats de simulations numériques est apportée. / Natural convection flows in confined spaces are often turbulent (large dimensions and/or temperature difference ). Improving the knowledge of this type of regime and of the associated heat and mass transfers seems, therefore, to be essential. This experirnental work studies heat transfer mechanisms using coupled and synchronized measurernents of temperature and velocity in a turbulent natural convection flow at high Rayleigh number (Ra1-1=I.2 x1011) in a differentially heated cavity with a vertical aspect ratio (height/width) of 4. Velocity measurernents are acquired by PIV and temperature is measured with K-type micro-thermocouple (0=12.7 μm). Both measurementsystems are synchronized using a BNC® pulse generator. Thermal boundary conditions of the adiabatic walls and post treatment of PIV data using an orthogonal decomposition based on the kinetic energy of the flow - POD - have been considered with caution. It makes possible, on the one hand, the experimental assessment of turbulent quantities like enthalpy fluxes and dimensionless nurnber (Prandtl, diffusivity ... ) and, on the other hand the estimation of the contribution of the other terms of Navier-Stokes equations (pressure gradient and source term). Finally a discussion on characteristic scales of the flow and a comparison with numerical simulations are provided.

L’acier à double phase (DP) a été développé par l'industrie automobile pour le but de réduire le poids, l'amélioration de la performance de la sécurité et l'efficacité énergétique. Habituellement, l'acier DP contient des îlots de martensite dure noyée dans une matrice de ferrite doux. La synergie entre ces deux phases avec la microstructure inhomogène présente d'excellentes propriétés mécaniques. Les propriétés mécaniques (comportements de plasticité et de dégâts) d'acier DP sont principalement dérivés de sa microstructure, par exemple, la fraction de volume, la taille, la distribution et la morphologie de chaque phase constituante. Les approches micromécaniques sont largement appliquées pour prédire la plasticité et d'autres propriétés mécaniques de l'acier DP selon divers scénarios de chargement. Dans ce travail, la modélisation micromécanique de l'acier DP a été réalisée en utilisant des microstructures réelles ou artificielles. Une véritable microstructure est obtenue à partir de l'image métallographique, tandis qu'un générateur de microstructure artificielle à l'aide d'un algorithme d'affectation de phase améliorée basée sur l'optimisation de la topologie matériau est proposé d'étudier les propriétés mécaniques. Dans ce générateur artificiel, un processus d'affectation de phase est réalisé sur une mosaïque de Voronoï modifié pour obtenir une mesure représentative de l'élément de volume (VER) avec une bonne convergence. La méthode proposée comprend également une réduction appropriée décomposition orthogonale (POD) des courbes de débit (instantanés), qui sont calculés en utilisant le schéma asymptotique homogénéisation d'extension (AEH), pour identifier le contrôle des paramètres optimaux pour l'acier DP. Cette méthode numérique est vérifiée en utilisant DP590 et DP980 aciers qui indiquent un bon accord avec la contrainte d'écoulement à partir de mesures et prédiction de RVE basés sur de vraies microstructures. Les prédictions des modèles de déformation plastique, y compris des bandes de cisaillement en utilisant la microstructure artificielle ressemblent étroitement le comportement mécanique réel dans des conditions de chargement similaires. En outre, une interpolation a été adoptée pour obtenir une corrélation entre ces paramètres de contrôles basés sur l'identification des différents aciers DP. En outre, un modèle de substitution bi-niveau réduit est élaboré et présenté pour identifier les paramètres matériels du critère de rupture de Mohr-Coulomb (MMC). En utilisant cette méthode, le processus d'identification devient possible avec un nombre limité de tests Expérimentaux. La méthode combine des éléments critiques locaux associés à des modèles globaux. Le modèle de substitution de la souche de fracture construit en utilisant l'approximation diffuse et les éléments locaux, réduit le coût de calcul pour la recherche des paramètres matériels. Des simulations de fracturation sont effectuées globales pour mettre à jour la déformation à la rupture de la cible et pour calculer le déplacement de l'apparition de la panne correspondante. Des résultats probants sont obtenus par application successive de la conception de l'expérience (DOE) et l'amélioration des algorithmes de transformation de l'espace de conception. Le protocole d'identification proposée est validé avec de l'acier DP590. Robustesse de la méthode est confirmée par des valeurs initiales différentes. Ces investigations numériques fournissent nouvelle direction pour les simulations multi-échelles de la plasticité et de dégâts des comportements d'acier DP. De plus, ils contribuent efficacement à combler le fossé entre la recherche scientifique et à l'application de l'ingénierie des matériaux hétérogènes. / Dual-phase (DP) steel has been developed by automotive industry for the purpose of weight reduction, improvement in safety performance and fuel efficiency. Usually, DP steel contains hard martensite islands embedded in a soft ferrite matrix. Synergy between these two phases with the inhomogeneous microstructure exhibits excellent mechanical properties. The mechanical properties (plasticity and damage behaviors) of DP steel are mostly derived from its microstructure, e.g., volume fraction, size, distribution and morphology of each constituent phase. Micromechanical approaches are vastly applied to predict plasticity and other mechanical properties of DP steel under various loading scenarios. In this work, micromechanical modelling of DP steel has been performed using real or artificial microstructures. A real microstructure is obtained from metallographic image, while an artificial microstructure generator with an enhanced phase assignment algorithm based on material topology optimization is proposed to investigate the mechanical properties. In this artificial generator, phase assignment process is performed on a modified Voronoï tessellation to achieve the tailored representative volume element (RVE) with a good convergence. The proposed method also includes a proper orthogonal decomposition (POD) reduction of flow curves (snapshots), which are computed using the asymptotic extension homogenization (AEH) scheme, to identify the optimal controlling parameters for DP steel. This numerical method is verified using DP590 and DP980 steels that indicate a good agreement with the flow stress from measurements and RVE prediction based on real microstructures. Predictions of plastic strain patterns including shear bands using the artificial microstructure closely resemble the actual mechanical behavior under similar loading conditions. Moreover, an interpolation has been adopted to obtain a correlation between these controlling parameters based on the identification for various DP steels. Additionally, a bi-level reduced surrogate model is developed and presented to identify the material parameters of the Mohr-Coulomb (MMC) fracture criterion. Using this method, the identification process becomes feasible with a limited number of experimental tests. The method combines local critical elements associated with global models. The surrogate model of fracture strain constructed using the diffuse approximation and the local elements, reduced the computational cost for searching material parameters. Global fracture simulations are performed to update the target fracture strain and to compute the corresponding failure onset displacement. Convincing results are obtained via successive application of design of experiment (DOE) and enhanced design space transformation algorithms. The proposed identification protocol is validated with DP590 steel. Robustness of the method is confirmed with different initial values. These numerical investigations provide new direction for multiscale simulations of the plasticity and damage behaviors of DP steel. Moreover, they efficiently contribute to bridge the gap between scientific research and engineering application of heterogeneous materials.

Les travaux présentés dans le cadre de cette thèse de doctorat concernent la problématique d’arrachement de bâches de semi-remorques convoyés par le réseau d’autoroutes ferroviaires. En effet, les phénomènes turbulents générés autour d’un tel convoi provoquent d’importantes fluctuations de pression sur les parois bâchées, entrainant des mouvements de forte amplitude menant à la rupture sur de longues périodes de sollicitation. Ce phénomène pouvant provoquer plusieurs types d’incidents pour l’exploitant du réseau (embrasement par contact caténaire, retard des trains, perte de marchandise, etc...), il est nécessaire de comprendre les phénomènes physiques mis en jeu et de dégager une solution de contrôle de l’écoulement satisfaisant les contraintes de l’industrie ferroviaire. Pour ce faire, une étude expérimentale et numérique de l’écoulement autour d’une configuration bidimensionnelle de marche montante a été réalisée afin de caractériser l’influence des différentes zones décollées sur les fluctuations de pression pariétale induites en aval de la marche. A cet effet, une série de mesures de champs de vitesse et de pression pariétale ont été réalisées dans la soufflerie du Lamih. Les résultats observés expérimentalement ont pu être confrontés à ceux obtenus par une approche numérique dans des conditions équivalentes. L’analyse de l’écoulement s’est principalement focalisée sur deux points. Le premier concerne la dynamique des zones de recirculation en interaction avec la couche de cisaillement. Une approche stochastique a été déployée, et a permis de mettre en évidence les mécanismes prépondérants à l’origine du phénomène. Le second point porte sur les liens entretenus entre ces mécanismes et les fluctuations de pression pariétale. Une approche modale, basée sur une décomposition orthogonale aux valeurs propres étendue, a permis de révéler l’importante contribution des basses fréquences dans ce cas de figure. Enfin, une solution de contrôle passive (déflecteur) a été testée et a permis de montrer que la suppression de ces mécanismes basse fréquence permet d’obtenir un gain en termes de pression pariétale pouvant aller jusqu’à 36% selon les configurations. / The work presented in the framework of this doctoral thesis concerns the problem of the tarpaulins tearing off of semi-trailers conveyed by the motorways network. Indeed, the turbulent phenomena generated around such a convoy cause large pressure fluctuations on the walls, resulting in high amplitude movements leading to breakage over long periods of stress. This phenomenon can cause several types of incidents for the operator of the network (ignition by catenary contact, train delay, loss of goods,...), it is necessary to understand the physical phenomena involved and to define a flow control solution that take into account the rail industry constraints. To do this, an experimental and numerical study of the flow around a two-dimensional forward facing step configuration was carried out in order to characterize the influence of the different separated zones on the wall pressure fluctuations induced downstream of the step. For this purpose, a series of velocity field and wall pressure measurements were carried out in the Lamih wind tunnel. The experimental results could be compared with those obtained by a numerical approach under the same conditions. The flow analysis focused mainly on two points. The first concerns the dynamics of the recirculation zones interacting with the shear layer. A stochastic approach has been used, and has made it possible to highlight the dominant mechanisms at the origin of the phenomenon. The second point concerns the dynamical links between these mechanisms and the wall pressure fluctuations. A modal approach, based on an extended orthogonal decomposition, revealed the important contribution of the low frequencies in this case. Finally, a passive control solution (deflector) was tested and showed that the low frequency mechanisms suppression provide a wall pressure gain up to 36 % depending on configurations.

In recent years, cloud computing and containerization have become increasingly popular for various applications. However, optimizing resource usage and minimizing costs while providing reliable and efficient service to users can be a challenge. One such challenge is scaling containers according to the current system load. This thesis focuses on the problem of properly dimensioning pods in Kubernetes, a widely used platform for managing containerized applications. The motivation behind this problem is that the standard solution, Horizontal Pod Autoscaler (HPA), often results in wasted resources or poor performance due to overprovisioning or underprovisioning. This thesis proposes a proactive approach to scaling applications by utilizing machine learning models to predict future resource requirements based on concurrent user counts on the platform. This approach involves collecting and modifying data from HPA and training various machine learning models to forecast and predict the system's future behavior. The results of this thesis demonstrate that machine learning models can predict future resource requirements based on trends in the application. Based on the data evaluation, it was found that overprovisioning negatively affects the response time. Additionally, the machine learning models were accurate enough to predict future CPU needs. However, further research and experimentation are necessary to improve the accuracy and reliability of these models. / Under de senaste åren har cloud computing och containerisering blivit allt populärare för olika applikationer. Det kan dock vara en utmaning att optimera resursanvändningen och minimera kostnaderna och samtidigt tillhandahålla pålitlig och effektiv service till användarna. En sådan utmaning är hur man skalar containrar enligt den aktuella systembelastningen. Det här examensarbetet fokuserar på problemet med korrekt dimensionering av pods i Kubernetes, en allmänt använd plattform för att hantera containeriserade applikationer. Motivet bakom detta problem är att standardlösningen, Horizontal Pod Autoscaler (HPA), ofta resulterar i antingen slöseri med resurser eller dålig prestanda på grund av överprovisionering eller underprovisionering. Detta examensarbete syftar till att föreslå ett proaktivt tillvägagångssätt för att skala applikationer genom att använda maskininlärningsmodeller för att förutsäga framtida resurskrav baserat på samtidiga antal användare på plattformen. Detta tillvägagångssätt innebär att samla in och modifiera data från HPA och träna olika maskininlärningsmodeller för att förutsäga systemets framtida beteende. Resultaten av denna avhandling visar att maskininlärningsmodeller kan förutsäga framtida resursbehov baserat på trender i applikationen. Baserat på datautvärderingen fann man att överprovisionering påverkar svarstiden negativt. Dessutom var maskininlärningsmodellerna tillräckligt exakta för att förutsäga framtida CPU-behov. Det krävs dock ytterligare forskning och experiment för att förbättra noggrannheten och tillförlitligheten hos dessa modeller.

Cloud computing and containerization has been on the rise in recent years and have become important areas of research and development in the field of computer science. One of the challenges in distributed and cloud computing is to predict the resource utilization of the nodes that run the applications and services. This is especially relevant for container-based platforms such as Kubernetes. Predicting the resource utilization of a Kubernetes cluster can help optimize the performance, reliability, and cost-effectiveness of the platform. This thesis focuses on how well different resources in a cluster can be predicted using machine learning techniques. The approach consists of 3 main steps: data collection, data extraction and pre-processing, and data analysis. The data collection step involves stressing the system with a load-generator called Locust and collecting data from Locust and collecting data from Kubernetes with the use of Prometheus. The data pre-processing and extraction step involves extracting relevant data and transforming it into a suitable format for the machine learning models. The final step involves applying different machine learning models to the data and evaluating their accuracy. The results of this thesis illustrate that machine learning can work well for predicting resources in a cluster based on how stressed the system is and that the best performing machine learning model tested was Support Vector Machine with a polynomial kernel. / Cloud computing och containerisering har ökat de senaste åren och har blivit viktiga områden för forskning och utveckling inom datavetenskap. En av utmaningarna inom distribuerad och cloud computing är att förutsäga resursutnyttjandet av de noder som kör applikationerna och tjänsterna. Detta är särskilt relevant för containerbaserade plattformar som Kubernetes. Att förutsäga resursutnyttjandet av ett Kubernetes-kluster kan hjälpa med att optimera plattformens prestanda, tillförlitlighet och kostnadseffektivitet. Denna avhandling fokuserar på hur väl olika resurser i ett kluster kan förutsägas med hjälp av maskininlärningstekniker. Tillvägagångssättet består av 3 huvudsteg: datainsamling, dataextraktion och för-processering, samt dataanalys. Datainsamlingssteget innebär att stressa systemet med en load-generator som heter Locust och samla in data från Locust och även samla in data från Kubernetes med hjälp av Prometheus. Steget för för-processering och extrahering av data innefattar att extrahera relevant data och omvandla den till ett lämpligt format för maskininlärningsmodellerna. Det sista steget innefattar att tillämpa olika maskininlärningsmodeller på data och utvärdera deras noggrannhet. Resultaten av denna avhandling demonstrerar att maskininlärning kan fungera bra för att förutsäga resurser i ett kluster baserat på hur stressat systemet är och att den bäst presterande maskininlärningsmodellen som testades var Support Vector Machine med en polynom-kernel.

A startup’s ability to make correct decisions regarding their Cloud choices is essential if they intend to stay competitively relevant in their business. Choosing the Cloud solutions that allow for an optimal level of production can give startups that operate in most industries a competitive advantage. However, new startups have a plethora of factors to consider when choosing a Cloud provider, which is the basis of the thesis. The purpose of the study is to explore and gain insight regarding how new startups can make suitable decisions when selecting different Cloud services. The study’s main data collection method is a set of interviews that were conducted with CTOs from some of Sweden’s most promising startup companies. The study thoroughly discusses the three largest Cloud providers (Amazon Web Services, Azure, and Google Cloud Platform), and attempts to reveal how these Cloud services are positioned in the eyes of the customers that use them on a daily basis. A main finding of the study was that the most important factors to consider when selecting a Cloud provider is its compatibility with your company’s IT-environment, the quality and quantity of its services, how well managed it is, if it offers data protection compliances, and ultimately, the prices of the services it offers. Furthermore, information derived from the interviews imply that new startups ought to make their IT-solution as simple as possible in order to reduce the chances of running into integration problems with different Cloud solutions. The author intends for the study to be a guideline for new startups to better understand what factors they ought to prioritize when selecting Cloud providers. / En startups förmåga att ta de rätta besluten när det kommer till deras val av molntjänster är otroligt viktigt. Genom att välja de rätta molnlösningar så kan man se till att företaget får en bra möjlighet att växa, och att rätt molnlösningar kan det kan ge de flesta startups digitala verktyg som kan ge konkurransfördel. Det finns däremot mycket att tänka på när man väljer en molntjänst, och det är vad studien bygger på. Syftet med detta projekt var att utforska och bättre förstå hur nya startups kan ta de rätta besluten när det kommer till deras val av molntjänster. Studiens huvudsakliga datainsamlingsmetod var tolv intervjuer som utfördes tillsammans med CTOs från några av Sveriges mest framgångsrika startupföretag. Studien utför en noggrann diskussion och jämförelse på de tre största molntjänsterna i världen (Amazon Web Services, Azure, och Google Cloud Platform), och försöker att visa hur dessa molntjänster är positionerade enligt de kunder som använder sig av molntjänsterna vardaligen. Studien visar att de viktigaste faktorerna som man bör tänka på när man väljer molntjänst är: hur pass kompatibel den är med företagets IT-miljö, kvaliteten och mängden tjänster som leverantören erbjuder, hur pass managerade leverantörens tjänster är, om leverantören överensstämmer med regler för uppgiftsskydd, och kostnaden för molnleverantörens tjänster. Ytterligare så fann man indikationer från intervjuerna att nya startups bör försöka sikta på molnlösningar som är så simpla som möjligt och helst att dessa lösningar är integrerade lösningar som molnleverantören själv erbjuder, och detta på grund av att det kan vara svårt att integrera molnlösningar från olika företag. Författarens avsikt för denna rapport är att den ska vara en riktlinje för nya startups så att de kan förstå vad de bör tänka på när de väljer sina molntjänster.

The interest towrds machine learning applied to turbulence has experienced a fast-paced growth in the last years. Thanks to deep-learning algorithms, flow-control stratigies have been designed, as well as tools to model and reproduce the most relevant turbulent features. In particular, the success of recurrent neural networks (RNNs) has been demonstrated in many recent studies and applications. The main objective of this project is to assess the capability of these networks to reproduce the temporal evolution of a minimal turbulent channel flow. We first obtain a data-driven model based on a modal decomposition in the Fourier domain (FFT-POD) on the time series sampled from the flow. This particular case of turbulent flow allows us to accurately simulate the most relevant coherent structures close to the wall. Long-short-term-memory (LSTM) networks and a Koopman-based framework (KNF) are trained to predict the temporal dynamics of the minimal channel flow modes. Tests with different configurations highlight the limits of the KNF method compared to the LSTM, given the complexity of the data-driven model. Long-term prediction for LSTM show excellent agreement from the statistical point of view, with errors below 2% for the best models. Furthermore, the analysis of the chaotic behaviour thorugh the use of the Lyapunov exponent and of the dynamic behaviour through Pointcaré maps emphasizes the ability of LSTM to reproduce the nature of turbulence. Alternative reduced-order models (ROMS), based on the identification of different turbulent structures, are explored and they continue to show a good potential in predicting the temporal dynamics of the minimal channel.

Bean pod mottle virus (BPMV), a member of the genus Comovirus in the family Comoviridae, is widespread in the major soybean-growing areas in the United States. Soybean yield losses of 10-40% have been reported as a consequence of BPMV infection. The complete nucleotide sequences of two strains, K-Ha1 and K-Ho1, were determined. Field isolates of BPMV were classified into two distinct subgroups (I and II) based on slot blot hybridization and sequence analyses. Full-length cDNA clones from which infectious transcripts can be produced were constructed for strains K-G7, K-Ho1 and K-Ha1. Whereas strains K-Ha1 and K-G7 induced mild or moderate symptoms in infected soybean plants, strain K-Ho1 produced very severe symptoms. Symptom severity was mapped to RNA1. Chimeric RNA1 constructs were generated by exchanging full or partial coding regions of the five RNA1-encoded mature proteins between the full-length cDNA clones of the three RNA1s and the resultant transcripts were inoculated onto soybean. The results showed that the coding regions of the protease co-factor (Co-pro) and the putative helicase (Hel) are determinants of symptom severity. Although symptom severity correlated well with accumulation of viral RNA, neither the Co-pro nor Hel protein could be demonstrated as a suppressor of RNA silencing. Furthermore, separate expression of the Co-pro or Hel proteins from a PVX vector induced necrosis on the inoculated leaves of Nicotiana benthamiana. Characterization of BPMV K-Ho1 indicated that it is a diploid reassortant, containing two distinct types of RNA1s and one type of RNA2. Examination of field isolates from various locations in the United States and Canada revealed that diploid reassortants are of frequent occurrence in natural populations of BPMV. The vary severe symptoms induced by BPMV K-Ho1 can be mimicked by inoculation of plants with a mixture of RNA1 transcripts from two distinct strain subgroups and RNA2 transcript from either subgroup. Plants inoculated with a mixture of transcripts containing two types of RNA1 from the same strain subgroup did not produce very severe symptoms. These are due to interactions between two distinct types of RNA1s. At present, no soybean cultivars with resistance to BPMV are commercially available. Therefore, the feasibility of cross protection as an alternative disease management strategy was studied. Two mild strains of BPMV (K-Da1 and K-Ha1), belonging to subgroup II, were tested for their ability to protect infected plants against a severe strain (K-Ho1). Inoculation of the soybean cultivar Essex on the primary leaves with either of the two mild strains conferred complete protection against challenge inoculation with the severe strain K-Ho1, regardless of the timing of challenge inoculation. Cross-protection was evident regardless of whether virions or BPMV-RNA were used as inocula. Cross protection was independent of the soybean cultivar used and method of virus inoculation, sap-inoculation or by the bean leaf beetle, vector of BPMV. Protection was complete and durable.

近二、三十年來, 許多學者如Bell(1979)均主張, 在先進社會中, 社會型態已由工業 主導逐漸轉變為資訊取向, 即目前一般所稱的資訊社會。基本上, 資訊社會的討論是 一種對未來社會預期性的構想, 面臨社會型態的變遷, 我們亟需科學的指標, 作為衡 量社會發展的依據。 Machlup(1962) 率先使用資訊部門與資訊工業的觀念, 作為評估資訊活動的重要性以 來, 後續的研究大多側重從經濟的角度評估資訊活動。根據資訊社會的理論, 可以預 期的是, 社會中資訊體系的資訊產量應該大幅成長。日本在這方面作了拓荒工作, 多 次對其社會中各傳播媒介所傳遞的資訊數量進行普查。美國學者Pool(1984)和日本學 者則更進一步延伸日本的調查, 成為跨國比較( 美、日兩國 )的資訊數量調查。 近十幾年來, 國內對資訊社會觀念的推行與資訊科技應用之推動, 皆不遺餘力。自戒 嚴與報禁解除以來, 國內資訊綱路更是日益暢通。但始終缺乏相關的測量工具, 以作 為對我國資訊化過程作一觀察與評估的標準。基於此, 本研究探討以下之問題: 一、資訊社會概念的澄清。 二、發展一套可據以觀察、評估國內大眾傳播媒介的資訊生產量的測量工具。 三、根據發展出來的測量工具, 進行實際測試。 四、對資料的政策意涵提出說明。 本研究報告共分五章: 第一章緒論: 第二章文獻探討; 第三章研究方法; 第四章資料 分析; 第五章結論與建議。