XiaoMi-AI文件搜索系统
World File Search System和学
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
人工智能在研究和学术方面的共同利益 人工智能在研究和学术方面的共同利益
将人工智能 (AI) 融入学术研究已变得越来越普遍，为学术活动带来了机遇和挑战。人工智能工具提供了有价值的功能，使研究人员和学者能够增强、改进和创建研究内容。然而，除了这些好处之外，抄袭和学术诚信也一直存在问题和挑战。这篇文献综述文章探讨了在学术研究中使用人工智能所固有的道德影响，全面研究了其优缺点。Bearman 等人 (2022) 强调，人工智能技术重塑了传统的教育模式，影响了知识的创造、评估和传播方式。他们的批判性文献综述强调了对人工智能的作用有细致入微的理解的必要性，考虑到塑造这一不断发展的领域的不同观点。他们认为，人工智能融入高等教育代表着一场具有广泛社会经济影响的深刻转变。Butson 和 Spronken-Smith (2024) 强调，人工智能通过带来好处和揭示挑战对高等教育研究产生了重大影响。他们强调了审视人工智能对研究方法、学术诚信和学术工作性质的影响的重要性。他们的研究提倡采取平衡的方法，认识到人工智能提高生产力和创新的潜力，同时警告不要过度依赖人工智能，因为这可能会破坏批判性思维和学术严谨性。作者呼吁制定强有力的道德准则和透明的政策来管理人工智能在学术界的使用。
航空 - 出勤的障碍和学生缺席的原因
性别对缺乏的影响不太清楚，因为一些研究报告说，男女学生之间的学生不存在差异（Carey等，2015； Gase等，2014； Ghanem，2021; Ghanem，2021; Gottfried＆Gee，2017; Gottfried＆Gee，2017; Karlberg et al。 Al。，2022年，Escheverria等人，2014年，Grinshteyn＆Yang，2017年Al。，2014年）缺席。性别和性别少数群体的研究为属于这些群体的年轻人的缺席提供了适度的证据（Aragon等，2014； Birkett等，2014； Burton等，2014； Fields＆Wotipka，2022）。
学习障碍和学习困难
Mencap 将学习障碍定义为“智力下降和日常活动困难 - 例如家务、社交或理财 - 会影响患者的一生”。Mencap 补充道，“学习障碍患者往往需要更长时间才能学习，并且可能需要支持才能发展新技能、理解复杂信息和与他人互动。英国国民医疗服务体系 (NHS England) 指出，学习障碍会影响患者一生中学习新事物的方式，并且每个人的学习障碍都不同。没有两个人是相同的。患者患有学习障碍的原因并不总是很清楚。有时是因为患者的大脑发育受到影响，无论是在出生前、出生时还是幼儿期。这可能是由于母亲在怀孕期间生病；出生时出现问题导致大脑无法获得足够的氧气；未出生的婴儿从父母那里遗传了基因，导致其更容易患上学习障碍；以及疾病（如脑膜炎）或幼儿期受伤。在某些健康状况下，人们更容易患上学习障碍，包括唐氏综合症或脑瘫。
CELT AI 在教学和学习中的应用建议
概述 人工智能 (AI) 的快速发展以及 ChatGPT、CoPilot、Claude 和 Codex 等公开可用的 AI 工具可能会改变我们的教学方式。普渡大学韦恩堡分校支持教师和讲师自由选择适合其教学理念的 AI 工具，强调他们在决定如何在课程中使用或不使用 AI 方面的自主权。目前没有官方的大学政策或指导来限制或管理 AI 工具在教学中的使用。2024 年 2 月，参议院更新了《学术规定》，规定教师有责任“向学生提供有关授权/未授权使用人工智能 (AI) 的书面课程级政策”。自 2023 年初以来，学习与教学促进中心 (CELT) 一直在研究公开可用的生成式 AI 工具，参加网络研讨会和讲习班，并咨询技术专家和教师，以了解生成式 AI 对教学和学习的好处、局限性和潜在风险。因此，CELT 整理了一些建议做法，以帮助教师了解 AI 对其教学实践的潜在影响，选择适当的 AI 使用政策，并在课堂上更好地传达可接受的学生使用政策。
教学大纲和学习指南
战略业务领导者的教学大纲是战略专业层面的关键领导力教学大纲，并且是一项实质性的综合检查。考试要求候选人展示有效的领导者要求或为指导组织的高级管理人员提供建议或支持高级管理人员所需的一系列专业技能。课程提纲因此在领导能力的背景下结合了组织的主要功能。战略业务领导者教学大纲的主要能力假设已经在应用知识和应用技能考试中获得了基本的技术技能和知识，在这些知识和应用技能考试中，战略业务领导者的某些核心能力将在特定于主题的背景下引入，例如治理，内部审计，审计，控制，风险，金融，财务和管理。考试还借鉴了道德和专业技能模块中获得的一系列道德和专业技能，这些技能应该在尝试任何战略专业考试之前完成。战略业务领导者教学大纲中有十个主要部分，其领导力，专业和道德和公司治理是其余教学大纲的最初重点。出色的领导层涉及拥有一个有能力和负责任的董事团队，设置适当的“从顶部”，并在组织内嵌入适当的企业和文化价值。这是由合理的治理结构和有效的管理结构支持的。教学大纲首先要检查领导能力，并让负责任和道德的领导者对自己负责的人有意识。本节还涵盖了个人和职业道德，道德框架和专业价值观 - 适用于高级经理或顾问的角色，以及在各种情况下进行适当行为和行为的指南。显然与组织领导的联系是在代理关系的广泛背景下组织中有效的治理结构和可持续性系统的存在。教学大纲的这一方面侧重于董事的各个角色和责任，相关委员会的结构以及对高级管理层绩效的有效审查，通过在综合报告框架下对利益相关者进行更广泛的整体报告，证明了他们的责任感。只有在组织领导，治理结构和可持续性系统的基本领导才能确定战略并可以评估和实施战略方案之后。评估战略选择，做出战略选择和实施战略要求组织的领导者或其顾问充分了解涉及的风险，以便教学大纲随后研究了对风险的识别，评估和控制，作为负责任领导和管理的关键方面。教学大纲还包括与组织各个级别有关的部分以及在组织的各个级别上进行安全控制的部分
即将推出：TX RPC 项目午餐和学习演示
非医师团队成员，包括营养师、患者导航员、医疗助理和药剂师，可以在帮助患者改善高血压控制方面发挥关键作用。本研究描述了在健康心脏大使血压自我监测 (HHA) 计划中培训来自 9 个德克萨斯州社区卫生中心的非医师团队成员的过程。卫生中心报告称，实施 HHA 计划的障碍包括能力、技术基础设施、动机和资金。非医师团队成员需要持续的培训和技术支持，以克服实施 HHA 计划的障碍。
学校食品管理局关于供应链中断和学生参与的调查 III
美国农业部 (USDA) 食品和营养服务局 (FNS) 管理着 16 个营养援助计划，其使命是与合作组织合作，通过为儿童和低收入人群提供食物、健康饮食和营养教育，以支持美国农业并激发公众信心的方式提高粮食安全并减少饥饿。儿童营养计划，例如国家学校午餐计划 (NSLP) 和学校早餐计划 (SBP)，每天为数百万儿童提供营养均衡、低成本或免费的午餐。这些计划由学校食品管理局 (SFA) 管理，这些机构由一所或多所学校组成，这些学校会获得报销以提供符合联邦要求的膳食。COVID-19 疫情从 2019-2020 学年 (SY) 开始对学校膳食运营产生了重大影响。疫情扰乱了学校餐饮服务中使用的食品、设备和其他用品的供应链以及劳动力市场。虽然经济状况在某些方面有所改善，但影响食品和劳动力成本和可用性的问题仍然存在。为了向各州和儿童营养计划运营商提供尽可能好的支持，FNS 一直在与 SFA 合作，以收集有关当前学校食品挑战的及时和准确信息。第一次学校食品管理局供应链中断调查收集了 2021-2022 学年 1 期间供应链中断范围的信息，第二次调查针对 2022-2023 学年进行。2 FNS 于 2024 年 1 月 29 日至 2024 年 3 月 19 日通过 20 分钟的在线问卷进行了学校食品管理局关于供应链中断和学生参与的调查 III。调查问卷被发送给所有在学校运营儿童营养计划 3 的 SFA，以收集有关 2023-2024 学年期间持续供应链中断的影响的信息。调查的回复率为 71%，所有州和地区的 SFA 都做出了回应。以下结果加权 4 以具有全国代表性。整个报告中的米色标注框中包含了来自开放式回答的说明性引述。
Temple University Taup图书馆员和学术... 圣殿大学... 的兄弟会
*作为对圣殿大学员工，坦普尔大学卫生系统（TUHS）和寺庙教师医师（TFP）的好处，将放弃针对当前员工及其家属的适用办公交款服务，并在Temple University Benefit Program下提供医疗保险范围。这将适用于所有TUP，FOX CHASE和TPI医生。可以在http://www.temple.edu/hr/departments/benefits/healthplans/healthplans/templeprovider.htm bluecard PPO计划个人选择中找到一份寺庙提供者列表。某些服务可能需要预授权。要找到蓝卡PPO提供商，请在费城地区与个人选择客户服务联系215-557-7577或费城地区以外的1-800-626-8144与1-800-626-8144联系。这些电话号码在个人选择卡的背面列出。有关其他信息，您也可以访问其网站http://www.ibx.com/index.jsp。Blue Cross Blue Shield全球核心个人选择成员可以在全球200多个国家和地区获得医生和医院。要找到一个蓝色十字蓝盾全球核心医生或医院，请致电Blue Cross Blue Shield Global Core Service Center，每周7天，每天24小时致电1-800-810-2583。有关其他信息，您也可以访问他们的网站https://bcbsglobalcore.com/account/login?returnurl=%2F