XiaoMi-AI文件搜索系统
World File Search System信息过载
ICT 对工作条件的影响
信息和通信技术 (ICT) 改变了我们的日常生活。长期以来，人们一直关注它们对经济增长的推动作用，现在人们的注意力集中在这些技术在专业领域引发的变革。信息通信技术对工作条件的直接或间接影响，通常是多因素的，似乎很难确定。劳工总局和战略分析中心正在联手制定一份清单，其中强调了与信息通信技术传播相关的五个主要风险：工作节奏和强度的增加；加强活动控制；人际关系或工作集体的削弱；工作与非工作之间的时空界限变得模糊；最后，信息过载。问题不在于技术本身，而在于技术的用途，这使得提出一定数量的具体建议成为可能。
克服挫折：- DiVA 门户
本硕士论文重点关注军事环境下机载预警和控制 (AEW&C) 系统操作员的用户界面体验。该研究与国防工业公司 Saab 合作，通过设计和以用户为中心的设计方法研究用户需求以及他们如何与界面交互。研究表明，尽管国防工业具有独特性，但操作员对难以使用的界面反应不佳，导致沮丧和功能利用不足。该研究确定了信息过载、用户界面设计和个性化、任务难度和缺乏帮助系统、压力和认知负荷等背景因素。通过开发和测试新的界面原型，结合设计反馈会议和迭代，该论文解决了这些背景需求。研究结果强调了在军事环境中引入用户体验的重要性，在军事环境中，复杂的系统工程和功能传统上比简单性和可用性更受青睐。
数字技术对记忆和记忆研究的影响
摘要 ：随着智能手机、电脑和互联网的广泛融合，信息获取和处理发生了重大变化。本文探讨了积极和消极影响，承认通过轻松访问庞大的数据库和外部记忆辅助工具可以扩展认知能力，同时也解决了对记忆巩固减弱和依赖浅层编码策略的担忧。该研究考察了记忆研究的跨学科领域，还强调了心理学、神经科学、社会学和信息科学学者为理解数字技术对记忆的影响而做出的合作努力，并强调了记忆研究的挑战和未来方向，包括数字健忘症、信息过载和隐私问题等问题。总的来说，本文强调需要了解人类记忆与数字工具之间的关系，从而制定策略来增强记忆，抵消潜在的不利影响，并促进在记忆相关任务中平衡利用数字资源。
信息系统中的用户建模和分析：
用户建模或用户分析是管理许多自适应和个性化系统（例如，推荐系统、个性化搜索引擎、自适应用户界面）中的信息过载问题的基础。虽然有一些文献综述论文概述了用户建模及其使用的现有研究，但目前缺乏能够对该研究领域提供系统和定量概述的文献计量学研究。因此，本文旨在通过基于从世界领先的独立于出版商的全球引文数据库 Scopus 中提取的 52,027 篇相关出版物的文献计量学研究来补充该研究领域的现有文献。这些分析使作者能够确定最相关的出版物、出版物来源、作者、机构、国家及其合作。他们还确定并分类了 12 个最重要的相关主题，以及它们的子主题及其趋势。主题趋势分析中发现的一些弱信号也为未来的潜在研究方向提供了很好的想法。
人工智能在打击仇恨言论方面面临的道德和技术挑战
摘要：在本文中，我们讨论了使用人工智能进行在线内容审核的一些道德和技术挑战。作为一个案例研究，我们使用了一个为检测社交网络上的仇恨言论而开发的人工智能模型，这一概念在科学文献中给出了不同的定义，并且缺乏共识。我们认为，虽然人工智能可以在处理社交媒体上的信息过载方面发挥核心作用，但它可能会导致侵犯言论自由的风险（如果项目执行不当）。我们介绍了人工智能项目整个流程中涉及的一些道德和技术挑战——从数据收集到模型评估——这些挑战阻碍了仇恨言论检测算法的大规模使用。最后，我们认为人工智能可以帮助检测社交媒体中的仇恨言论，前提是必须通过有人参与的过程对内容进行最终判断。关键词：人工智能、道德、网络危害、仇恨言论、偏见大纲：1.2
生物医学数据科学年度回顾 人工智能在行动：利用自然语言处理应对新冠肺炎疫情
COVID-19（2019 冠状病毒病）疫情对社会产生了重大影响，这既是因为 COVID-19 对健康的严重影响，也是因为为减缓其传播而实施的公共卫生措施。其中许多困难从根本上来说都是信息需求；解决这些需求的尝试导致研究人员和公众都面临信息过载。自然语言处理 (NLP) 是人工智能的一个分支，可以解释人类语言，可用于解决 COVID-19 疫情带来的许多紧迫信息需求。本综述调查了大约 150 项 NLP 研究和 50 多个针对 COVID-19 疫情的系统和数据集。我们详细介绍了四个核心 NLP 任务的工作：信息检索、命名实体识别、基于文献的发现和问答。我们还描述了通过四个额外任务直接解决疫情各个方面的工作：主题建模、情绪和情感分析、案例量预测和错误信息检测。最后，我们讨论了可观察到的趋势和剩余的挑战。
注意力经济
注意力经济 1 的概念最早由赫伯特·西蒙在 20 世纪 60 年代末提出，他将信息过载问题描述为经济问题。然而，随着互联网的兴起，内容（供应）变得越来越丰富，并且可立即获得，注意力成为信息消费的限制因素，这一概念也变得越来越流行。见附件 2 1 。虽然可访问信息的供应量持续快速增长——数字数据大约每两年翻一番——但对信息的需求却受到我们所能给予的稀缺注意力的限制。事实上，总的可用注意力受到可访问信息的人数 2 和一天中固定的小时数以及对我们的时间和注意力相互冲突的需求的限制。达文波特和贝克（2001）首先将“注意力经济学”定义为一种信息管理方法，将人类注意力视为稀缺商品，并应用经济理论解决各种信息管理问题 3 。我们越来越多地生活在“注意力经济”而不是“信息经济”中。
黄色经济
注意力经济 1 的概念最早由赫伯特·西蒙在 20 世纪 60 年代末提出，他将信息过载问题描述为经济问题。然而，随着互联网的兴起，内容（供应）变得越来越丰富，并且可立即获得，注意力成为信息消费的限制因素，这一概念也变得越来越流行。见附件 2 1 。虽然可访问信息的供应量持续快速增长——数字数据大约每两年翻一番——但对信息的需求却受到我们所能给予的稀缺注意力的限制。事实上，总的可用注意力受到可访问信息的人数 2 和一天中固定的小时数以及对我们的时间和注意力相互冲突的需求的限制。达文波特和贝克（2001）首先将“注意力经济学”定义为一种信息管理方法，将人类注意力视为稀缺商品，并应用经济理论解决各种信息管理问题 3 。我们越来越多地生活在“注意力经济”而不是“信息经济”中。
人工智能在护理优化中的潜力
摘要 从一个护理级别转换到另一个护理级别是一个复杂的过程，会带来医疗和组织风险，并且取决于不同提供者之间的护理整合。这项定性研究调查了用户使用现有医院和疗养院之间护理整合数字系统的体验，以及人工智能对其优化的潜力。研究结果揭示了以下方面的挑战：(a) 信息不及时，(b) 不相关信息，(c) 信息混乱，(d) 信息缺失，(e) 信息过载，以及 (f) 信息多样性。人工智能可以通过 (i) 识别和验证低质量信息，(ii) 针对不同用户群提供信息，(iii) 以视觉方式总结相关信息，以及 (iv) 联合呈现多个版本。这些发现的意义超出了护理整合的范围，为定性健康研究在确定未来人工智能解决方案的范围和设计以优化（健康）护理流程的重要性提供了实证证据，并提供了一个模型。
监控智能代理的需求驱动透明度
快速准确地应对威胁和不确定性的能力对于任务结果和生存力都至关重要。这样的系统从来都不是真正自主的，通常作为人机团队的一部分运作。人工智能代理 (IA) 已被提议作为帮助管理此类团队的工具；例如，向人类操作员建议潜在的行动方案。然而，由于缺乏信任，它们往往未得到充分利用。设计透明的代理（可以传达至少一些关于其内部推理过程的信息）被认为是一种增加信任的有效方法。人们如何与这种透明信息交互以获得态势感知同时避免信息过载目前是一个尚未探索的课题。在本文中，我们通过研究两种形式的透明度来部分回答这个问题：顺序透明度，要求人们按照固定顺序逐步浏览 IA 的解释；需求驱动的透明度，允许人们根据需要请求信息。在使用多车辆模拟的实验中，我们的结果表明，需求驱动的交互提高了操作员对系统的信任，同时保持了甚至有时提高了性能和可用性。