XiaoMi-AI文件搜索系统
World File Search System信念
美国政治群体之间的气候变化信念体系
气候变化挑战了世界各地的国家，新闻媒体是该公共意识和感知的关键。但是，新闻媒体如何应对各个国家的气候变化？由于气候变化的问题及其解决方案是全球性的，这是确定气候变化新闻报道中是否存在差异以及它们在各个国家中存在的关键。本研究采用监督的机器学习来揭示报纸文章有关气候变化的局部和术语差异。介绍了原始数据 - 气候变化文章，起源于全球7个报纸和3个国家，并在《联合国气候变化框架公约》（UNFCC）的26次会议（COP）会议上以英语出版。三个方面用于区分文章，是（1）国家，（2）政治定向和（3）COP会议。我们的结果揭示了关于报纸文章如何在全球范围内接近气候变化的差异。具体来说，与右向的同行相比，左意向报纸与气候变化相关的术语更为普遍。此外，多年来，报纸与气候变化相关的术语已经演变为更加紧迫感。
糖尿病信念、感知风险和健康行为
摘要 简介 增加参与糖尿病预防计划的努力主要集中在提高糖尿病意识上，其逻辑是风险知识将促使行为改变。然而，感知风险与糖尿病预防之间的关系存在争议。这项横断面、嵌入式混合方法研究的目的是检查在患 2 型糖尿病风险较高的成年人中感知风险、糖尿病信念和预防行为之间的关系。方法数据来自里士满压力和糖研究 (n=125)。使用多维健康控制点评估糖尿病信念（即内部、机会、强大的他人）。预防行为（例如改变饮食、锻炼、烟草、酒精）通过自我报告来衡量。使用概率量表（0%–100%）来衡量患糖尿病的感知风险。逻辑和泊松回归模型量化了信念、行为和感知风险之间的关系。从开放式问题中抽象出关于预防行为的挑战和促进因素的定性主题，并使用内容分析进行总结。结果 感知的糖尿病患风险很低（中位数：35% 的可能性），只有 10% 的参与者参加过预防课程。所有糖尿病信念领域均与参与预防行为或感知的糖尿病风险无显著相关性。感知的糖尿病风险与参与预防行为无关；然而，有糖尿病家族史与感知风险密切相关（OR：3.35，95% CI：1.42 至 7.86）。预防行为的定性促进因素和障碍反映了社会心理因素（例如决心、压力、偏好）和资源（例如社会支持、时间、整体健康状况）。结论 在临床上患糖尿病风险较高的成年人中，风险感知和健康信念与参与预防行为无关。结合家族健康史信息可能会有助于提高认识。糖尿病预防计划应解决健康信念之外的障碍，以促进行为改变的参与。
能力建设和核心信念 - 激发成长
“我的部分回应是敦促政策制定者拓宽思维，思考技术在经济发展中的作用。他们往往过于专注于吸引硅谷公司，希望它们在当地开设办事处。他们想要硅谷卫星城。相反，他们应该制定计划，让当地企业家能够获得最好的技术，这样他们就可以在国内有机地创造更多的就业机会——不仅仅是在高科技行业，而是在每个经济领域。”
零和思维、抑制努力的信念的演变和经济发展
我们感谢 Toke Aidt、Ingela Alger、Maiguel Ballester、Roland Benabou、Chris Bidner、Meredith Crowley、Gregory Dow、Martin Fiszbein、Paola Giuliano、Karla Hoff、Sriya Iyer、Rachel Kranton、Max Kwiek、Jonathan Newton、Jean - Philippe Platteau、Hillel Rapoport、Imran Rasul、Arthur Robson、Michael Sacks、Claudia Senik、Moses Shayo、Ludvig Sinander、Josh Tasoff、Thierry Verdier、Cole Williams、Peyton Young、Liyu Zheng 以及 2023 年 NBER 政治经济学春季会议、2023 年 ERINN 会议、英国学院“凝聚力”社会会议、第 10 届牛津全球优先事项研讨会、2022 年 ASREC 年会、2022 年 CNEH 会议、LSE Hayek 研讨会、PolEconUK、西蒙弗雷泽大学的会议/研讨会参与者大学、剑桥大学、约克大学和艾克斯-马赛经济学院对本文进行了有益的讨论和评论。我们感谢 Michele Bernadine、Grace Finley 和 Fernando Secco 提供的出色研究协助。刚果民主共和国卡南加的数据收集资金由技术采用行为研究计划 (BRITE Africa) 资助。本文表达的观点为作者的观点，并不一定反映国家经济研究局的观点。
无线网络中 LDPC 解码的量子信念传播
我们提出了量子信念传播 (QBP)，一种基于量子退火 (QA) 的低密度奇偶校验 (LDPC) 错误控制码解码器设计，该解码器在 Wi-Fi、卫星通信、移动蜂窝系统和数据存储系统中得到了广泛应用。QBP 将 LDPC 解码简化为离散优化问题，然后将简化的设计嵌入到量子退火硬件中。QBP 的嵌入设计可以在具有 2,048 个量子比特的真实最先进的 QA 硬件上支持块长度高达 420 位的 LDPC 码。我们在真实的量子退火器硬件上评估性能，对各种参数设置进行敏感性分析。我们的设计在高斯噪声无线信道上在 SNR 9 dB 下实现了 20 µ s 内的 10 − 8 比特错误率和 50 µ s 内的 1,500 字节帧错误率 10 − 6。进一步的实验测量了在真实无线信道上的性能，需要 30 µ s 才能在 SNR 15-20 dB 下实现 1,500 字节 99.99% 的帧传输率。QBP 的性能优于基于 FPGA 的软信念传播 LDPC 解码器，在 SNR 低 2.5–3.5 dB 时达到 10 − 8 的误码率和 10 − 6 的帧错误率。就局限性而言，QBP 目前无法在当前的 QA 处理器上实现实用的协议大小（例如 Wi-Fi、WiMax）LDPC 码。我们在本工作中的进一步研究提出了未来成本、吞吐量和 QA 硬件趋势方面的考虑。
普通民众对计算机认知训练的态度和信念
认知训练是一个价值数十亿美元的产业，拥有许多著名的在线训练平台，包括 Lumosity（Lumos Labs，2007 年）、Peak（Brainbow Limited，2014 年）、Elevate（Elevate Inc，2014 年）和 CogniFit Brain Fitness（Cognifit，1999 年）。健康的认知与学业、社交和职业成功始终相关（Gottfredson，1997 年）。计算机化认知训练 (CCT) 包括完成结构化任务，旨在维持或提高特定的认知能力（例如注意力、工作记忆）以及流体智力（即推理和逻辑思考的能力）（von Bastian 和 Oberauer，2014 年；Melby-Lervåg 等人，2016 年）。公众对 CCT 的兴趣迅速增长，因为其提高认知能力的潜力对不同人群都具有广泛的吸引力，从具有正常认知能力的个体到经历认知功能障碍或衰退的个体。Lumosity 网站声称，在过去 10 年内已有 1 亿人使用过其平台，这证明了 CCT 产品的受欢迎程度（Lumos Labs，2019 年）。然而，尽管早期有关于大脑训练对认知能力影响的正面报告和荟萃分析（例如 Karbach 和 Verhaeghen，2014 年；Au 等人，2015 年），但大多数荟萃分析（包括规模最大和最新的荟萃分析）都得出了无效结果（例如 Melby-Lervåg 和 Hulme，2013 年、2016 年；Melby-Lervåg 等人，2016 年；Sala 和 Gobet，2019 年）。此外，一些研究的积极结果也存在争议，批评者呼吁研究设计更加严谨（例如使用主动对照组以及多个认知测试来测量每个结构）和分析技术（例如控制多重比较；准确解释相互作用；Lawlor-Savage 和 Goghari，2014；Redick，2015）。由于他们的许多主张在科学界声名狼藉，一些最受欢迎的 CCT 应用程序的开发人员也发现自己处于法律争议的焦点。例如，2016 年，联邦贸易委员会与 Lumosity（Lumos Labs）的开发商达成 200 万美元的和解协议，指控他们误导公众，声称他们的应用程序将提高用户的学校/工作成绩并减少或延缓与年龄相关的认知障碍（联邦贸易委员会，2016 年）。此外，受欢迎、可信且传播范围广泛的媒体既专门报道了这个故事（例如，Etchells，2016 年；Entis，2017 年；Gallegos，2017 年），也更普遍地报道了 CCT 开发者提出的主张的争议性（例如，Weeks，2014 年；Zaleski，2018 年；Frakt，2019 年）。尽管围绕 CCT 应用的争议越来越多，但它们仍在普通人群中广泛使用，这表明许多人仍然相信 CCT 在增强或改善认知方面的效用和有效性。鉴于这些发展，研究人员开始关注可能解释 CCT 干预效果的矛盾发现的社会心理因素。关于影响认知训练结果的社会心理因素的文献虽然数量不多，但正在不断增加，主要集中在几个重叠的领域。部分学者关注的是个人对认知训练后变化的主观看法，以及
教师的TPACK-R与机器人的教学信念之间的关系
摘要：这项研究开发了两份问卷，称为技术教学知识知识 - 机器人（TPACK-R）和关于机器人教育（RTBS）的教学信念，以调查94位教师的TPACK-R，并评估他们对机器人教育的态度，信念和动机。这项研究的目的是探索TPACK-R与RTB之间的关系。通过探索性因素分析确定了TPACK-R量表和RTBS量表的因子。 TPACK-R的所有因素与RTB的所有因素之间存在一些正相关。 此外，这项研究还发现，教师的态度是预测其技术教学内容知识知识的关键因素。但是，教师的RPK只能预测RPCK。因子。TPACK-R的所有因素与RTB的所有因素之间存在一些正相关。此外，这项研究还发现，教师的态度是预测其技术教学内容知识知识的关键因素。但是，教师的RPK只能预测RPCK。
内部文化学习代理是不对称的信念更新者
我们使用改编自认知性能的三个乐器学习任务来研究大语言模型（LLMS）的内在学习动力学（LLMS）。我们发现，LLMS以不对称的方式更新他们的信念，并且从比预期的比预期的比预期的更好的结果中学习更多。此外，我们表明，在学习反事实反馈时，这种效果会逆转，并且在没有暗示代理时消失。我们通过对理想化的内在学习剂进行了构成通过元强化学习来证实这些发现，在那里我们观察到相似的模式。综上所述，我们的结果有助于我们理解上下文学习如何通过强调问题的框架显着影响学习的发生方式，这是人类认知中也观察到的现象。
土耳其EFL教师的信念，实践和评估挑战
摘要：这项研究的目的是探索土耳其EFL教师的评估信念，评估实践以及他们在评估过程中遇到的挑战。在这项混合方法研究中，数据是根据定量和定性基础收集的。对于定量组件，使用随机抽样方法通过问卷收集英语教师的数据（n = 257）。对于定性组成部分（n = 25），数据是通过与英语教师的访谈收集的。这些发现揭示了英语教师的评估目的，实践，技术的使用以及四种技能评估实践。此外，定性数据还揭示了教师在评估过程中面临的障碍和困难，包括学生的动力低，语言水平低，尚未准备就绪，并且在课堂上的技术不足。
深度信念网络的定量通用近似范围
深度信念网络（DBN）是通过堆叠受限的Boltzmann机器（RBMS，（Smolensky，1986）获得的一类生成概率模型。有关RBMS和DBNS的简要介绍，我们将读者推荐给调查文章（Fischer＆Igel，2012; 2014; Mont´ufar，2016; Ghojogh等，2021）。Since their introduction, see (Hinton et al., 2006; Hinton & Salakhutdinov, 2006), DBNs have been successfully applied to a variety of prob- lems in the domains of natural language processing (Hin- ton, 2009; Jiang et al., 2018), bioinformatics (Wang & Zeng, 2013; Liang et al., 2014; Cao et al., 2016; Luo等，2019），财务市场（Shen等，2015）和计算机视觉（Abdel-Zaher＆Eldeib，2016; Kamada＆Ichimura，2016; 2019; Huang等，2019）。但是，我们对这些模型的理论理解是有限的。 近似近似概率分布的能力（通常称为通用近似属性）仍然是具有实值可见单元的DBN的一个开放问题，更不用说对隐藏神经元数量的近似误差进行定量理解。 作为两个实值概率密度函数之间接近度的量度，通常考虑L Q-距离或Kullback-Leibler差异。但是，我们对这些模型的理论理解是有限的。近似近似概率分布的能力（通常称为通用近似属性）仍然是具有实值可见单元的DBN的一个开放问题，更不用说对隐藏神经元数量的近似误差进行定量理解。作为两个实值概率密度函数之间接近度的量度，通常考虑L Q-距离或Kullback-Leibler差异。