XiaoMi-AI文件搜索系统
World File Search System公民
梭罗的“公民抗命”仍然很重要吗？
本文试图通过H. D. Thoreau的作品，特别是“抵抗民政政府”来探讨公民抗命的概念。目的是说明是什么使梭罗的公民抗命概念与当今的公民抗命概念相关，以及过去和现在的公民抗命形式之间是否存在相似之处，即圣雄甘地，小马丁·路德·金（Martin Luther King，Jr。）和黑人生活问题。本文的第一部分重点是塑造梭罗的文学作品，思想和行动的社会文化背景。第二部分解释了梭罗对公民抗命的理解。第三部分研究了梭罗，甘地和国王的联系，这是第四部分的基础，该部分重点是分析梭罗对公民不服从概念的有力贡献，这是现代和黑人生活问题运动的重要概念。将通过一个理论框架来检查梭罗，甘地，金和黑人生命问题运动之间关系的分析，该框架将考虑到Demas和Brownlee的公民抗命的中心特征 - 原则上的抗命，文明和对法律的忠诚。
LTBB部落公民安德里亚·皮尔斯（Andrea Pierce）在2024年...
今年是环境储备颁发社区哨兵奖十周年，这是一个为期十年的庆祝活动，以保护环境和推动正义。由Fractracker Alliance建立并在2015年停止了Harm Network，该奖项旨在表彰那些孜孜不倦地减轻化石燃料对社区和环境的不利影响的人。在庆祝这一里程碑时，我们反思了一个以非凡的勇气，韧性和希望为标志的做法。今年的奖项向那些不懈地努力与环境不公的人的坚不可摧的精神致敬，即使在面对广泛的情况下也是如此。，我们尊重自成立以来一直参与该运动的所有人的遗产，以及那些继续倡导这场斗争的人，争取未来的未来，没有化石燃料污染。“在美国，石油和天然气行业的影响是在美国的：农场和森林被危险的管道开放，社区被压裂井入侵，城镇被PET-
2024 财年 USCIS 公民与融合补助金计划受助组织
公民教育和入籍申请服务 (CINAS) 安索布难民中心，Inc. 地点：纽约州阿斯托利亚 奖励：293,888 美元 安索布难民中心 (Ansob Center) 自 2000 年以来一直提供移民服务。它将为居住在纽约州皇后区阿斯托利亚的来自非洲和中东阿拉伯语和法语国家的永久居民提供服务。安索布中心于 2011 财年首次获得 USCIS 资助。借助 USCIS 2024 财年的资助，安索布中心将为 200 名合法永久居民 (LPR) 提供公民教育，为 416 名 LPR 进行入籍资格审查，并提交 400 份 N-400 和 G-28 表格。亚裔社区发展委员会 地点：内华达州拉斯维加斯 奖项：300,000 美元 亚裔社区发展委员会 (ACDC) 成立于 2015 年，是一家致力于教育、联系和赋权内华达州亚裔美国人和夏威夷原住民/太平洋岛民 (AANHPI) 社区的非营利组织。ACDC 将作为该项目的主要接受者，与其他两个组织移民之家基金会 (IHF) 和南内华达学院 (CSN) 合作，提供公民教育和入籍申请服务。借助 USCIS 2024 财年的资金，ACDC 及其合作组织将为 200 名合法永久居民 (LPR) 提供公民教育，为 270 名 LPR 进行入籍资格筛查，并提交 200 份 N-400 和 G-28 表格。 Aurora 综合社区心理健康中心，Inc. 地点：科罗拉多州奥罗拉 奖励：299,819 美元 Aurora 心理健康与康复 (AMHR) 成人教育计划 (AE)，前身为亚太发展中心 (APDC) 成人教育部，拥有 20 年为科罗拉多州最需要帮助的成年人提供教育服务的历史。AMHR 将作为该项目的主要接受者，与丹佛大主教区天主教慈善和社区服务部 (天主教慈善会) 合作提供公民教育和入籍申请服务。借助 USCIS 2024 财年的资金，AMHR 及其合作组织将为 200 名合法永久居民 (LPR) 提供公民教育，为 200 名 LPR 进行入籍资格筛查，并提交 200 份 N-400 和 G-28 表格。船民 SOS – 休斯顿公司 地点：德克萨斯州休斯顿 奖项：263,889 美元 船民 SOS-休斯顿 (BPSOS-休斯顿) 自 2009 年以来通过越南移民社区公民计划 (CIVIC) 提供公民身份和英语作为第二语言 (ESL) 教学。CIVIC 旨在通过严格的双语公民身份教学课程和专业法律知识帮助越南人和其他 LPR 克服获得公民身份的多重障碍，以协助入籍申请。借助 USCIS 2024 财年的资金，BPSOS-休斯顿将
Frédéric Alexandre、Jade Becker、Marie-Hélène Comte、Aurelie Lagarrigue、Romain Liblau 等人。为什么、什么以及如何帮助每个公民了解人工智能？。KI - Künstliche Intelligenz，2021 年，1-9，第 1610-1987 页。�10.1007/s13218-021-00725-7�。�hal-03024034v2�
对数字技术的批判性理解是各年龄段公民的一项赋权能力。在本文中，我们介绍了一种面向所有人的人工智能 (AI) 开放式教育方法。通过混合式和参与式 MOOC，我们旨在发展一种批判性和创造性的视角，了解人工智能如何融入我们生活的不同领域。我们已经为 15 岁以上的所有公民建立了人工智能 MOOC，现在正在运营。该 MOOC 旨在帮助理解人工智能的基础和应用，面向学校领域以外的广大公众，九个月后已有 20,000 多名参与者参与了该 MOOC。本研究探讨了设计和评估人工智能 MOOC 的教学方法。通过这项研究，我们提出了关于人工智能公民教育的四个问题：为什么（即为了什么目的）分享这样的公民教育？要分享哪些学科知识？要培养哪些能力？如何分享和评估？最后，我们分享学习分析、定量和定性评估，并解释教育科学研究在多大程度上有助于启发这种大规模举措。对人工智能 MOOC 的分析有助于确定与人工智能相关的主要反馈是“恐惧”，因为人工智能对参与者来说是未知且神秘的。在开发有趣的人工智能模拟后，MOOC 参与者会熟悉人工智能机制，他们可以克服对人工智能的误解，形成更具批判性的观点。本文介绍了一项 K-12 人工智能教育项目或具有重大影响的举措，通过培养教师和其他教育工作者。
智能理解人工智能：公民开放形成
我们的整个社会正在并将受到数字科学的深刻影响，而人工智能 (AI) 的出现则带来了质和量的全新转变。我们必须让每个人都掌握并理解这一切是如何运作的。这意味着计算思维的发现和机器学习的启动。受到芬兰计划的直接启发，该计划旨在培训 1% 的人口学习这些科目 [1]，在我们成功为不熟悉计算机科学的教师和公民提供混合计算思维培训 [2] 之后，我们已覆盖超过 45,000 人，满意度超过 90%，我们建立并运营了一项广义的人工智能公民培训，旨在让学校以外的广大公众受益，目标是建立一所无处不在的数字科学和文化公民大学 [3]。
更智能的系统，更安全的世界——人工智能如何重塑城市、公民和国家的安全
结果 这种人工智能驱动的方法能够将监控从被动监控转变为主动事件预防，其中 VBA 系统充当“每个摄像头一名警卫”。通过实时检测暴力或未经授权的访问尝试等关键事件，该系统不仅可以通过及时的威胁警报来增强警卫安全，还可以显著缩短关键事件期间的响应时间。此外，该系统的自适应功能可以允许随着时间的推移对行为识别进行微调，以满足不断变化的安全需求。这种主动方法可以通过预防事故并随后减少医疗、法律和运营费用来节省潜在的成本。
支持公民科学中的人与机器共同学习：重力间谍的教训
我们探讨了公民科学中人类和机器学习之间的双向关系。从理论上讲，该研究借鉴了近端开发区（ZPD）概念，这使我们能够描述人类学习的AI增强，人类对机器学习的增强以及如何设计任务以促进共学习。该研究采用了设计科学方法来探索重力间谍公民科学项目的设计，部署和评估。这些发现突出了共同学习的挑战和机遇，人类和机器都会为彼此的学习和能力做出贡献。这项研究在文献中涉及共同学习的出发点，并开发了一个设计项目的框架，其中人类和机器相互增强了彼此的学习。这项研究通过强调ZPD支持正在进行的志愿者学习，并使机器学习与不断发展的数据保持一致，从而为现有文献做出了贡献。该方法为项目可扩展性，参与者参与和自动化考虑提供了潜在的好处，同时承认教程，社区访问和专家参与支持学习的重要性。
在公民科学中使用人工智能是否有助于志愿者的学习？鸟类学的一项实验研究
最古老、规模最大的生物多样性相关公民科学 (CS) 项目之一是康奈尔鸟类学实验室开发的 eBird (https://ebird.org/home)。它为观鸟者提供了一个移动应用程序，用于记录他们何时、何地以及如何看到或听到鸟类的清单。康奈尔实验室还开发了一款移动应用程序 Merlin，它使用深度卷积神经网络帮助用户从照片、声音（转换为声谱图）或描述中自动识别鸟类物种。这项研究调查了机器学习 (ML) 分类模型的使用如何影响新手观鸟者的学习。我们的参与者（没有鸟类学背景的计算机科学专业学生）被随机分成三组：一组使用 eBird 应用程序并自己识别鸟类物种；一组使用 Merlin 应用程序，它使用 ML 自动从照片或声音中识别鸟类；还有一个对照组。在参与项目之前和之后，对参与者的鸟类知识进行了测试，以了解使用 ML 分类模型如何影响他们的学习。我们还在后测后采访了选定的参与者，以了解他们做了什么以及结果可能由什么解释。我们的结果表明，即使是参与 CS 项目的新手参与者，即使时间很短，也会显著提高他们对附近熟悉鸟类的知识水平，并且 eBird 用户在知识后测中的表现优于 Merlin 用户。虽然人工智能可能会提高志愿者的生产力和保留率，但也有可能降低他们的学习效率。需要对不同的参与者资料和项目设计进行进一步研究，以了解如何在人工智能辅助的 CS 项目中优化志愿者的生产力、保留率和学习。
GLOBE Observer：利用人工智能驱动的公民科学推进地球系统知识的案例研究
公民科学和人工智能 (AI) 相互补充，充分利用了人类和机器的优势。公民科学生成数 TB 的原始数字、文本和图像数据，对这些数据的分析需要自动化技术才能有效地进行处理。相反，AI 计算机视觉技术在训练过程中可能需要数以万计的图像，而公民科学项目非常适合提供大型数据库。在此，我们描述了 AI 工具如何应用于 GLOBE Observer 公民科学数据生态系统，其中图像识别算法支持数据提取过程、保护用户隐私并提高数据保真度。GLOBE 公民科学数据已用于开发自动数据分类程序，从而实现蚊子幼虫和土地覆盖标签的信息发现。这些进步使 GLOBE 公民科学家数据可用于环境和健康研究，以及 GeoAI 一般领域工作的机器学习科学家。
人工智能与公民科学的未来
人工智能 (AI) 和公民科学 (CS) 是解决与规模和复杂性相关的数据挑战的两种方法。CS 的定义本身就依赖于通常由一群非专业人士组成的分布式团队的共同努力，以依赖人类智能的方式解决问题。随着人工智能能力日益增强或补充人类智能（如果不是复制它），人们越来越努力地去理解人工智能在 CS 中可以发挥的作用，反之亦然。在这种日益增长的兴趣背景下，这个特别的集合，人工智能和公民科学的未来，说明了 CS 从业者将人工智能融入其工作的多种方式，并指出了当前的局限性。本着这种精神，我们的社论简要介绍了特别集合的论文，以展示和评估人工智能在 CS 中的一些用途；然后，我们根据关键挑战对这些用途进行背景化；最后总结了未来以创新和道德的方式将人工智能与 CS 结合使用的方向。