XiaoMi-AI文件搜索系统
World File Search System学习过程
AI（人工智能）程序和深度学习（图像识别）的研究......
学习过程按以下顺序进行： 1：理解并学习人工智能中的深度学习和机器学习 2：了解LEGO-EV3主体（组装基本机器人和创建程序） 3：了解Raspberrypi微控制器和摄像头以及基本设置 4：理解和设置JupyterLab 5：理解和学习Google TensorFlow 6：总结研究成果，制作材料并在大阪科学日上展示
CPU实现仅使用logisim模拟器实现
本文提出了仅使用 Logisim 模拟器在本科计算机工程的计算机组织和体系结构 (COA) 课程中设计、实现和评估 8 位 CPU 架构。使用一个模拟器的主要优点是消除了效率低下的问题，这样学生就可以更加专注于课程内容，而不必花时间学习如何使用不同类型的模拟器。为了实现这一点，我们预先设计了一个简单的 CPU 架构，并将其实现在 Logisim 模拟器中。根据之前的研究，我们选择了 Mic-1 CPU 架构，因为它是最简单的架构，可以使用 Logisim 中已经存在的许多简单逻辑门轻松构建。为了评估预期结果，我们将学生分成两个不同的组。每个组使用不同类型的学习媒体和材料，然后将他们的考试成绩和满意度进行比较。每个学生都属于只使用 Logisim 模拟器的组，获得了更高的分数，超过 50% 的学生对新的学习过程和材料感到满意。因此，我们设想这种方法将使 COA 课程的传授学习过程比迄今为止的传递过程更加高效。
人工智能支持的基于模拟的学习
自我调节学习（SRL）在学习过程中起着重要作用，帮助学习者优化实践（Zimmerman 2006）。自我调节学习一词强调学习者在学习过程中的责任感和自主性（Paris and Winograd 1998）。根据 Zimmerman（2000a）的说法，该术语描述“为实现个人目标而计划和周期性调整的自我产生的想法、感受和行动”（第 14 页）。在调节过程中，学习者可以计划、设定目标、组织、自我监控和自我评估，这使他们自我意识到并了解学习过程。当任务具有挑战性时，他们会努力和坚持而不是放弃。通过采取战略行动，学习者寻求适当且有用的建议、信息和策略来支持他们的学习，并在表演过程中自我指导和自我强化（Zimmerman 2000b；Perry 和 Rahim 2011；Pintrich 2003）。调节过程的对象是学习过程中不同的行为、动机和情感方面（Zimmerman 2006）。在本研究中，我们从情感的角度探讨 SRL 的主题，并关注模拟器学员调节其学习过程的情感决定因素。
高等教育中的承诺、威胁和个性化......
摘要：本文探讨了人工智能在教育领域的出现，包括高等教育和替代学习环境。它研究了虚拟现实和增强现实等新兴技术对学生学习过程的教育影响，以及教育机构如何发展和演变。本文还讨论了人工智能 (AI) 的现状以及这项创新如何影响学习、教学和教育。它提供了基于人工智能最新发展的学术工作、研究和面向未来的活动。本研究论文强调了人工智能在高等教育中的前景和威胁。人工智能在教育中的应用不断增加，尽管它尚未普及。虽然人工智能为支持教学和学习提供了令人难以置信的机会，但应用的进一步发展具有以下影响：它带来了许多新的问题和对道德的担忧。我们已经让数字技术成为我们生活中不可或缺的一部分。今天，信息以不同的方式呈现；人们以不同的方式互动，行为也发生了变化。在许多方面，它已经遍布整个社会，包括教育系统。本文的主要目标是确定人工智能技术在未来将导致的学习过程的变化，并预测其对教育格局的影响。
将电机工作记忆链接到显式和隐式运动学习
虽然已经广泛研究了显式和隐式运动学习，但在最近运动（MWM）的近期运动记忆中，对这些过程的贡献尚不清楚。先前的研究表明，视觉空间的工作记忆可能有助于明确的运动学习，但对隐式学习没有参与或有害。在这里，我们询问这些发现是否以及如何扩展到非视觉MWM。基于最近指向独立效应和效应特异性的MWM代码的工作，我们假设：（1）明确的运动学习过程将与效应无关的MWM相关，（2）隐式运动学习过程将与效应特异性MWM相关。为了检验这些假设，人类参与者既完成MWM任务又完成了视觉运动适应任务。我们的结果表明，与效应子无关的MWM质量与显式运动学习程度之间存在显着相关性，从而扩展了有关视觉空间工作记忆的先前发现。此外，我们提供了支持我们的第二个假设的证据，该假设是效应特异性MWM与隐式运动学习相关的。
媒体支持英语作为第二语言的教学和学习：消除刻板印象
第二语言学习者尤其是在英语中，鉴于他们在语言使用水平上以反对能力的方式运作的事实，需要进一步的语言支持。在第二语言的教学和学习中取得成功，例如英语，取决于许多语言和非语言因素，例如学习者的态度和语言技能，教师的创新和能力，有效的教学方法和材料，例如视觉，视听辅助工具和媒体辅助语言学习。这项研究是由传统教学方法固有的问题所激发的，传统教学方法是刻板印象，无聊的学生参与学习过程，这使知识转移成为一项艰巨的任务。这项研究代表了语言教学和学习的转变 - 从已知的传统向更具技术性的学习方式 - 让媒体发挥着重要作用的新技术。这项工作采用了定性方法，在评估媒体在学生教师方面的作用以及教师的角色，尤其是在自我发展和创新方面。发现媒体有助于语言学习，促进整体学习过程，并帮助教师超越他在诸如词汇（词汇）等领域的局限性，以指导学生对学生的指导。这使得学习持续的过程而不是产品。
MILKI-PSY Cloud：通过可解释的人工智能和区块链促进多模式学习分析
摘要。现代基于云的大数据工程方法（如机器学习和区块链）能够从多种不同模态来源（如视频源、传感器数据等）收集学习者数据，从而实现多模态学习分析 (MMLA) 和对学习过程的反思。特别是，跳舞或操作复杂机器等复杂的心理运动技能正从 MMLA 中获益。然而，教师、学习者和其他机构利益相关者可能一方面对应用于学习数据的机器学习过程的可追溯性和透明度存在问题，另一方面对隐私、数据保护和安全性存在问题。我们提出了一种使用机器学习和区块链作为服务来获取、存储、处理和呈现多模态学习分析数据的方法，以实现可解释的人工智能 (AI) 和经过认证的学习数据处理可追溯性。此外，我们通过参与式设计和以社区为导向的 MMLA 流程监控来扩展已建立的开源软件 DevOps 流程，从而促进最终用户参与整个开发周期。MILKI-PSY 云 (MPC) 架构正在扩展现有的 MMLA 方法和基于 Kubernetes 的学习分析基础设施部署自动化，这些自动化来自许多研究项目。MPC 将促进该领域的进一步研究和开发。
模块手册有机，药物和过程技术
▪提高具有当前应用和研究参考的高水平技术水平，▪使学生能够参与实践和研究项目，并促进新知识和观点的发展，以卓越的卓越性，▪通过适当的教学方法来促进学生的学习过程，并通过技能从技能中取代他们的教学，从而进出您的教学，以进行反馈和评估，以发展自己的概念，并继续进行自我培训和不断的概念，并继续进行概念，并进行概念化的概念。
Nile W. Hatch Ryan M. Schuetzler博士 全球供应链
我将创新作为解决不确定性并解决客户问题的学习过程。特别是，我研究了客户的未知和未满足需求，创新者如何找到他们，他们如何创新来解决他们以及他们一旦进入竞争对手的竞争方式。i通过学习曲线的镜头，破坏性创新，创新的社会价值，创新中的认知，进入时机，竞争，竞争和信任作为通过重复互动而学习的过程来解决这种创新的过程。
NICE战略计划实施计划
本实施计划由 NICE 社区协调委员会成员制定。具体而言，NICE 社区协调委员会的三个工作组领导制定了三个相关 NICE 战略计划目标的战略、策略和成功衡量标准：促进职业探索、转变学习过程和实现人才管理现代化。NICE 感谢并认可所有参与实施计划制定的社区成员的努力，同时 NICE 特别感谢三个工作组的联合主席做出的重大贡献。