XiaoMi-AI文件搜索系统
World File Search System信息系统
地理信息系统中的树木生长模拟
城市必须随着城市热量和CO 2排放迅速扩大而进行可持续转型。带有详细数字双胞胎的城市发展对于管理这种多层变速箱至关重要。本文提出了一种整合这种数字双胞胎中城市树增长的方法。通过将地理信息系统（GIS）与树木生长模型耦合，我们的方法论可以预测树木的生长20年。这允许从树木中对未来生态系统服务进行本地评估，并支持其长期管理。CityTree模型用于模拟德国慕尼黑500,000 m 2个案例研究区的树木生长。在ArcGI中实施了衍生的冠直径和高度增量，以评估对太阳辐射的影响。20年的树木生长使地面上的太阳辐射降低了6.1％，而在建筑屋顶上，减少了1.0％。由于树木生长而引起的冷却能量的增加超过了建筑物屋顶的可用太阳能的减少近50倍。GIS中3D树生长预测的方法论可为城市树管理节省监控资源，并提高数字双胞胎模型的准确性。
o r i g i n a l r e s a r c h物流管理信息系统（LMIS）在Amhara National的公共卫生设施的健康商品
简介：发展中国家的基本药物的访问主要是由于健康供应链管理效率低下的效率低下，例如缺乏标准监控框架和设计较差的物流管理信息系统（LMIS）。健康供应链经理需要准确，及时的数据才能进行决策。但是，常规的健康信息系统的数据质量差，依赖基于纸张的报告，逻辑格式不足，不充分结构以及人力资源有限。目的：本研究评估了阿姆哈拉国家地区埃塞俄比亚公共卫生设施中LMI的数据质量。方法：该研究是在埃塞俄比亚的阿姆哈拉国家地区国家进行的。该研究采用了基于机构的并发混合方法设计。数据收集涉及102个通过多阶段分层随机抽样选择的设施，并遵守美国国际开发署的物流指标评估工具（LIAT）设定的采样标准。数据抽象清单用于收集数据。结果：在评估数据质量的七种示踪剂药物中，库存准确率的差异很大。库存差异是显着的，突出了手动和数字记录系统的潜在问题，总体平均的物理和电子库存精度分别为74.7％和70.6％。此外，报告和申请表（RRF）显示了及时提交的趋势，七种示踪剂药物的总平均百分比为90.2％。然而，数据质量经历了波动，合法性的总体平均百分比（LMIS报告的授权）和RRF的准确性分别为77.2％和76％。结论和建议：数据质量的评估显示出物理和电子记录的显着差异，在健康LMI中的完整性，合法性，合法性，可读性和准确性上显着波动。为了纠正这些问题，需要对健康供应链员工进行强大的数据质量验证过程，明确的指南，有针对性的干预措施，加强监控系统，定期审核以及全面的培训。关键字：LMI，数据质量，RRF，评估，绩效，健康设施
避免现代信息系统中数据泄露的数据安全策略
结果：分析揭示了几个关键主题：1）安全意识培训的重要性在于它是加强人为因素的关键，而人为因素是数据保护中最薄弱的环节。2）分层防御原则的有效性，它需要结合技术措施和完善的政策和程序。3）加密、访问控制和数据最小化在保护信息和数据方面的作用比以往任何时候都重要。4）威胁情报和事件响应计划可以在威胁行为者开始执行攻击之前提前发现漏洞。5）人工智能和机器学习作为威胁的作用，以及在网络安全中利用数据分析机会识别和预防威胁的可能性。
引用 Gupta S、Modgil S、Lee C 等人 (2022) 未来就是昨天：利用人工智能驱动的面部识别来提升旅游业的价值。信息系统前沿。25：1179-1195。
引用 Gupta S、Modgil S、Lee C 等人 (2022) 未来就是昨天：利用人工智能驱动的面部识别来提升旅游业的价值。信息系统前沿。25：1179-1195。
建议引用：Meske, Christian；Bunde, Enrico (2022)：基于人工智能的决策支持系统中用户界面的设计原则：可解释的仇恨言论检测案例，信息系统前沿，ISSN 1572-9419，Springer US，第 25 卷，Iss。2，第 743-773 页，https://doi.org/10.1007/s10796-021-10234-5
摘要 社交媒体中的仇恨言论是一个日益严重的问题，会对个人和整个社会产生负面影响。社交媒体平台上的版主需要技术支持来检测有问题的内容并做出相应的反应。在本文中，我们开发并讨论了最适合为使用人工智能 (AI) 协助人类版主的决策支持系统创建高效用户界面的设计原则。我们对三个设计周期内的各种设计方案进行了定性和定量评估，共有 641 名参与者。除了测量感知易用性、感知有用性和使用意图外，我们还进行了一项实验，以证明 AI 可解释性对最终用户感知的认知努力、感知的信息量、心理模型和 AI 可信度的重大影响。最后，我们与软件开发人员一起测试了获得的设计知识，他们对所提出的设计原则的可重用性评价为高。
建议引用：Bauer，Kevin；辛兹，奥利弗；范德阿尔斯特，威尔； Weinhardt, Christof (2021)：Expl(AI)n It to Me – 可解释的人工智能和信息系统研究，商业与信息系统工程，ISSN 1867-0202，Springer Fachmedien Wiesbaden，威斯巴登，第 63 卷，Iss。 2，第 79-82 页，https://doi.org/10.1007/s12599-021-00683-2
使用历史数据训练数学结构，以对世界的不确定状态做出预测。例如，基于大量标记图像，深度卷积神经网络可以学习对疾病的存在做出高度准确的个体层面预测。这包括预测 COVID-19 阳性患者（Shi 等人，2020 年）。虽然高度准确的预测本身对于基于事实的决策至关重要（即使是从字面意义上讲也是关于疾病检测），但最先进的机器学习模型的高预测性能通常是以牺牲其输出的透明度和可解释性为代价的（Voosen，2017 年；Du 等人，2019 年）。换句话说：大多数高性能机器学习模型的特点是无法传达人类可解释的信息，说明它们如何以及为何产生特定预测。因此，此类机器学习应用对于人类用户甚至专业设计师来说通常都是完全的黑匣子，他们往往不了解决策关键输出背后的原因。从方法论的角度来看，无法提供与具体预测相符的解释会导致三类高级问题。首先，被忽视的不透明性会立即导致缺乏问责制，因为它妨碍了对此类系统预测的审计。这一缺陷引发了人们对黑箱社会兴起的担忧，组织和机构中不透明的算法决策过程会带来意想不到的和未预料到的下游后果，从而使情况变得更糟（Pasquale 2015；Angwin 等人 2016；Obermeyer 等人 2019）。其次，利用人工智能提高经济效率和人类福祉的潜力不仅限于通过预测为特定决策提供信息。揭示隐藏在复杂大数据结构中的新领域知识
基于人工智能的信息系统
人工智能 (AI) 即将给我们的社会和经济带来根本性变化，影响组织如何做出决策、提供服务和评估机会。鉴于人工智能可能广泛地应用于不同规模和不同行业的公司，麻省理工学院的 Erik Brynjolfsson 和 Andrew McAfee 甚至将人工智能称为“我们这个时代最重要的通用技术” (Brynjolfsson 和 McAfee 2017，第 2 页)。今天，大多数情况下的人工智能应用都基于机器学习算法，其中监督学习尤其已在实践中确立。与这种乐观观点一致的是，实践领导者预测人工智能技术将得到广泛使用。例如，福布斯对 300 多名高管进行了一项研究。95% 的福布斯研究参与者认为人工智能将在未来在其公司中发挥重要作用 (福布斯洞察团队 2018)。麦肯锡全球研究院（MGI）研究预测，到2030年，人工智能在企业中的应用将为全球带来13万亿美元的增加值贡献（Bughin et al. 2018）。
人工智能和信息系统应对供应链中断的弹性
摘要 — 人工智能 (AI) 作为一种技术，有可能在供应链中断等动态情况下解释和评估涉及多维数据的替代方案。本研究旨在探索弹性信息系统 (RIS) 在最小化供应链运营中断情况下的风险程度方面的作用。这项研究以定性模式进行，通过对供应链专业人员的半结构化访谈计划进行。主题分析已用于创建新兴类别。这项研究的结果揭示了当前信息系统中的关键差距，并展示了面向人工智能的系统如何促进中断供应链的生态系统，以节省成本并提高多个参数的效率。该研究还提出了一个概念框架，其中可以联合查看组织价值观和架构组件，以便在复杂和不确定的中断中做出快速和充分的业务决策。该框架介绍了人工智能、信息系统和供应链中断之间的关系。安装适当的基于人工智能的数据采集、处理和自我训练能力以及信息系统基础设施可以帮助组织减轻供应链中断的影响，同时协调运输网络并确保地理上合适的供应链和网络安全。最后，描述了理论和实践的意义以及未来研究的局限性和范围。
Carole Adam、Cédric Lauradoux。一款严肃的游戏，用于辩论在 COVID-19 大流行期间使用人工智能。第 19 届危机应对和管理信息系统国际会议 (ISCRAM)，2022 年 5 月，法国塔布。�hal-03613418v2�
危机总是在安全和自由之间做出艰难的妥协，COVID-19 疫情也不例外。各国政府实施了各种卫生限制措施，以减少病毒传播。在人工智能 (AI) 的帮助下，监控规模已上升到前所未有的水平。然而，这些技术也带来了许多风险，从潜在的错误或偏见，到在最初的危机持续时间之外的长期执行。公民应该意识到这些技术并非万无一失，并衡量错误的后果，以便做出明智的决定，决定他们想要接受什么，以及接受多长时间。为此，我们设计了一款严肃的游戏，形式是虚拟城镇公民之间的市政辩论。一些初步测试会议帮助我们改进了游戏设计，并证明了这款游戏在引发辩论和提高认识方面具有吸引力。