机构名称：
¥ 12.0
描述 在社会和教育环境中，使用人工智能 (AI) 是一项具有挑战性的任务。相关数据通常仅以手写形式提供，或者数据的使用受到隐私政策的限制。这通常会导致数据集较小。此外，在教育和社会科学中，数据在频率方面往往不平衡。为了支持教育工作者以及教育和社会研究人员将 AI 的潜力用于他们的工作，此软件包为“PyTorch”中的神经网络提供了一个统一的接口来处理自然语言问题。此外，该软件包还附带一个闪亮的应用程序，提供图形用户界面。这允许没有编写 python/R 脚本技能的人使用 AI。这些工具整合了现有的数学和统计方法，通过伪标记处理小数据集（例如 Cascante-Bonilla 等人 (2020) < doi:10.48550/arXiv.2001.06001 >）并通过创建合成案例处理不平衡数据（例如 Bunkhumpornpat 等人 (2012) < doi:10.1007/s10489-011-0287-y >）。人工智能的绩效评估与教育和社会研究人员通常更熟悉的内容分析指标相关（例如 Berding & Pargmann (2022) < doi:10.30819/5581 >、Gwet (2014)），Krippendorff (2019) < doi:10.4135/9781071878781 >)。使用“python”库“codecarbon”估算模型训练期间的能耗和二氧化碳排放量。最后，使用此包创建的所有对象都允许与其他人共享经过训练的 AI 模型。
aifeducation：人工智能教育
主要关键词
相关文件推荐
