技术关键词检索结果

青年领导力发展如何打造强大而自信的全球领导者

How Youth Leadership Development Builds Strong and Confident Global Leaders

世界正处于十字路口。气候变化、社会不平等、地缘政治不稳定和快速的技术颠覆需要创新的解决方案——而它们[……]《青年领导力发展如何打造强大而自信的全球领导者》一文首次出现在斯坦利预科学校。

免费视频库支持数字公民和福祉

Free Video Library Supports Digital Citizenship & Well-Being

建立强大的数字公民和数字福祉文化的最实用方法之一是使用与学生相关且易于讨论的短视频。这就是为什么这个免费的 Take Back 视频库是如此有用的资源。这些视频旨在引发有关在线生活、注意力、身份和健康习惯的真实对话。它们之所以特别强大,是因为它们是由学生制作、为学生服务的。 (收回视频库)这些视频来自收回资源页面,并与更广泛的收回运动相关,该运动的重点是帮助年轻人和社区与媒体和技术建立更健康、更有意的关系。 (收回资源)(收回)。这项工作是(采取两种媒体倡议)的一部分,该倡议致力于提高媒体素养和福祉。他们的媒体实验室计划为年轻人提供领导工具。通过媒体素养、福祉和数字公民方面的实践培训,学生成为

拼车对话:构建数字判断力的播客和游戏卡

Carpool Conversations: A Podcast & Game Cards That Build Digital Judgment

Common Sense Media 的 Carpool Conversations 提供了一个简单、可扩展的想法:简短的音频提示,帮助成人和儿童讨论影响学生数字生活的问题。每集时长为两分钟或更短,使用熟悉的语言游戏结构,可以更轻松地开始真正的对话,而无需将其变成讲座。配套资源使其成为家庭或学校使用的绝佳资源:可打印的家庭活动游戏卡。卡片消除了摩擦。没有扬声器。没有技术设置。不,“链接无法加载。”只是一个提示和一个后续问题,可供咨询、班主任、敲钟人或带回家的家庭参与例行准备。为什么这现在很重要学校面临着应对电话、社交媒体冲突、错误信息和人工智能 (AI) 的压力。许多系统默认控制措施:禁令、更

用于创建教学视频的 4 个工具

4 Tools for Creating Instruction Video

许多教育工作者正在投入精力创建数字资源,作为其学区计划在学校设施在本学年剩余时间内关闭的情况下继续教学的一部分。如果您之前尚未探索过这一点,那么您可以选择多种价格和技能的选项。我们建议的工具将是免费或廉价的,并且仅专注于创建稍后可以与学生分享的视频。有多种实时视频会议选项,其中一些工具是为此设计的,但我们只专注于视频录制。这种类型的学习模型最好归类为异步,因为您允许学生在不同的时间工作。这可能是最好的选择,因为您的一些学生可能有兄弟姐妹,并且在家中使用的技术有限。在我们开始之前,请咨询您所在的学区,了解您可以使用的工具是否有任何限制。其中一些工具可能在您的学区不可用,或者您的学区可能有他们希望

周五链接 5/31

Friday Links 5/31

本周我在周五的帖子中只有几个链接可以与您分享。文章第一篇文章是我周三看到的关于一天中的时间对学习的影响的文章。我认为这本书值得一读,当你为下一学年做准备时,请记住其中的一些要点。假设您可能没有太多的自由来改变事情,但这可能有助于解释为什么有些班级在一天中的表现与其他班级不同。一天中的时间对情绪和表现很重要 - 个性化学习虽然典型的上学日可能只有 7-8 小时的时间,但我们如何充分利用这段时间?受到丹·平克 (Dan Pink) 的《何时》(2018) 的启发,我整理了一些建议和行动,可以为我们与学生和同事的工作提供信息。下一篇文章的主题是许多教育界人士已经热衷的话题。多年来,人们大力推动将所有

社区支持

Community Support

今年的开学对我来说有所不同。我开始担任专业学习总监的新职位,这使我能够在全州的几所不同的学校工作。以前,我在年初的经验仅限于参加地区和大楼会议,或者近年来促进地区会议的技术需求,并努力确保系统和网络在年初要求临近时继续正常运行。在这些角色中,我能够看到特定社区对该地区教育工作者的支持程度。教职员工的支持和慷慨程度一直给我留下了深刻的印象。我的新职位让我有机会看到这个州的社区对当地地区的支持程度。我们听说教育工作者如何不受尊重或支持,他们没有被视为专业人士,也没有得到应有的报酬。我们听说学校无法满足学生的需求。虽然这一切在某些地方可能是正确的并且某些人也有这种感受,但我想让你知道,绝大多数人确实

周五链接 6/7

Friday Links 6/7

本周我想与大家分享几项内容​​。有些是因为它们是高质量的作品,有些只是因为它们很好地提醒我们,并非所有创新的东西都是新的。有时我们需要重新审视我们以前使用过的东西,并找到使其更有效的方法。第一篇文章我真的考虑过完全从列表中排除,因为在我最初阅读之后,我意识到这只是老师多年来所做的事情的一个新名称。他们称之为众包,但你也可以称之为协作学习、合作学习小组或非常类似的东西。课堂中的众包自从互联网的出现和发展以来,众包已经成为解决具有挑战性的问题的一种重要而简单的方法。公司、科学家、慈善机构等有时会通过众包从大众那里获得帮助来完成困难的工作。但是您听说过课堂上的众包吗?下一篇文章是最近多次出现的主题,

独家报道:新的 Google 合作伙伴关系是对教师人工智能的“巨额投资”

Exclusive: New Google Partnership a ‘Sizable Investment’ in AI for Teachers

一家顶级专业教师组织与谷歌签署了一项为期三年的协议,为美国“所有 600 万 K-12 教师和高等教育教员”提供人工智能培训,这是这家科技巨头的一项大胆举措,可以覆盖数百万学生,让之前在教育领域的技术尝试相形见绌。 “虽然 Google 一直在提供教育 [...]

Chester 将于 2 月 25 日发表 2026 年 IT 状况演讲

Chester to give 2026 State of IT Address on Feb. 25

事实证明,信息技术对于乔治亚大学履行其教学、研究和服务使命至关重要。作为不断发展和改进服务的努力的一部分,信息技术副总裁 Timothy M. Chester 将于 2 月 25 日上午 10 点在佐治亚大学举行年度技术状况演讲。今年的活动将通过团队网络研讨会虚拟举行。所有学生,[...]切斯特于 2 月 25 日发表 2026 年 IT 状况演讲的帖子首先出现在《今日 UGA》上。

两位女工程师的医疗和材料创新获得索尼和《自然》杂志的认可

Medical and materials innovations of two women engineers recognized by Sony and Nature

第二届索尼自然女性技术奖的三位获奖者中有两位来自密歇根工程大学。该奖项“表彰在科学技术领域工作的杰出女性”,提供 25 万美元的奖金来支持她们的研究工作。

拉尔夫·塞梅尔 (Ralph Semmel)、夏佑南 (Younan Xia) 当选美国国家工程院院士

Ralph Semmel, Younan Xia, elected to National Academy of Engineering

NAE 表彰在研究、实践或教育方面做出杰出贡献的个人,并表彰在新兴和发展中的技术领域开拓的成员

人类是如何发展出敏锐的视力的?实验室培养的视网膜显示出可能的答案

How did humans develop sharp vision? Lab-grown retinas show likely answer

约翰·霍普金斯大学首创的类器官技术可能会催生治疗视力丧失的新疗法

在人工智能时代保持学习捷径

Preserving learning in the age of AI shortcuts

在播客中,老师们谈论他们如何使用技术来增强而不是取代批判性思维

Hannah Fry:“人工智能可以做一些超人的事情 - 叉车也可以”

Hannah Fry: 'AI can do some superhuman things – but so can forklifts'

数学家 Hannah Fry 在她的 BBC 新纪录片《AI Confidential with Hannah Fry》中前往人工智能的最前线。她与 Bethan Ackerley 讨论了技术对我们的影响——无论是好是坏

数据中心可以在玻璃中存储信息数千年

Data centres could store information in glass for thousands of years

微软研究人员开发了一种用激光将数据写入玻璃的技术,提高了充满数据的玻璃平板的机器人图书馆的前景

播云初创公司真的增加了犹他州部分地区的降雪量吗?

Did a cloud-seeding start-up really increase snowfall in part of Utah?

据开发该技术的公司称,一项使用盘绕线使气溶胶带电的技术在美国西部干旱期间增加了降雪量,但其结果并没有让其他科学家信服

咖啡因、痴呆症和人工智能永远不会做的一件事

Caffeine, Dementia, and One Thing AI Will Never Do

我是在技术的帮助下写这篇文章的。

用于快速药物发现的机器学习毒液肽平台

A Machine Learning-Enabled Venom Peptide Platform for Rapid Drug Discovery

用于快速药物发现的机器学习毒液肽平台摘要背景/目标:大自然已进化出数百万种具有多种生物功能的毒液衍生肽,其中很大一部分靶向复杂的膜蛋白,例如 G 蛋白偶联受体和离子通道。许多这些肽通过多个二硫键稳定,赋予它们优异的结构稳定性和有利的药理学特性。方法:利用这种自然多样性,我们开发了一个基于噬菌体展示技术的强大的毒液肽治疗发现系统,并使用大约 482 个毒液衍生支架构建了一个库。该文库设计以机器学习 (ML) 模型为指导,该模型能够预测耐受突变的残基,从而保留肽的可折叠性,最大限度地提高结构完整性和序列多样性。结果:通过筛选四种不同靶标(CD47、DLL3、IL33 和 P2X7R)对所得 VCX