如果强化学习 (RL) 代理未接受过 AI 培训,那么当领域专家试图评估 AI 的适用性时,他们应该如何向这些领域专家解释自己?为了研究这个问题,我们进行了一项有 124 名参与者参与的实验,并通过以下方式衡量他们的心智模型:(a) 他们预测 AI 行为的能力和 (b) 他们认为 AI 如何做出决策的书面“规则手册”。我们这样做是为了在简单的 RTS 游戏环境中比较参与者对 RL 代理的心智模型。我们的目标是比较参与者在四种解释配置下对 AI 代理的心智模型:(控制) 无解释;(显着性) 显着性图,解释 AI 的注意力焦点;(奖励) 奖励分解条,解释 AI 对未来奖励类型的预测;和 (一切) 显着性和奖励。这些解释如图 1 所示。为了比较这些解释配置,我们设计了一项受试者间控制实验室研究,以测量人们对 RTS 游戏中不同解释组合的反应差异。为了控制可能采取的行动空间,我们构建了自己的游戏,我们称之为 4-Towers 游戏。在 4-Towers 游戏中,
人工智能 (AI) 在经济的许多领域都具有很高的应用潜力,预计未来几年其应用将强劲加速。这与工作条件的变化有关,这些变化可能很大,并对员工的健康造成严重风险。凭借我们的论文,我们首次基于一项具有代表性的商业调查,即 IAB 职位空缺调查,对雇主在推进数字化过程中日益增加的灵活性要求进行了实证分析。我们结合了调查中的机构级数据和来自其他来源的职业特定特征,并应用非线性随机效应估计。根据雇主的评估,办公室和秘书职业在灵活性要求方面正在经历最大的变化,其次是与人工智能高度相关的其他职业:公司组织和战略职业、汽车/航空航天/造船技术人员以及保险和金融服务职业。我们观察到的最常见的不断增加的需求是关于员工自我组织的要求,尽管短期工作时间灵活性和工作场所灵活性也发挥着重要作用。估计结果表明,职业特征与个别雇主无关,在提高灵活性要求方面发挥着重要作用。例如,常规认知活动份额较大的职业(在文献中通常与其他职业相比与人工智能更密切相关)显示出增加灵活性需求的可能性明显更高,特别是在员工自我组织方面。这支持了人工智能首先改变工作内容和工作流程的论点。对于劳动力的平均年龄和职业的失业率,我们发现了明显的负面影响。在机构层面,女性员工的比例起着明显的负面作用。我们的研究结果为在劳动力市场和教育政策方面采取有针对性的行动提供了明确的指示,以最大限度地降低风险并加强人工智能技术应用的机会。
目的:金融包容与经济增长之间的关系是一个有趣的话题,在研究人员和值得全面的研究中引起了广泛关注。本文旨在使用涉及2004 - 2020年期间的13个中东和北非国家的面板数据在经验上探索这种关系。Chehayeb(2024)(2024年)使用一种新技术开发了金融包容性的多维指数(涵盖访问,使用和深度),用于在新兴经济体的国家 /地区在各个国家 /地区产生全面的成果。设计/方法/方法:将自回归分布式滞后(ARDL)回归模型应用于协整测试。向量自动回归(VAR)模型和Granger因果关系测试用于研究主要的研究问题。调查结果:本文报告说,金融包容性对经济增长的影响微不足道,与文献中一些研究的现实主义观点保持一致,而不是大多数学者的实证主义观点。使用新的金融包容性指数获得的结果突出了现有研究中使用多个金融包容性的研究中的差异和矛盾的结果。然而,经验结果表明,从经济增长到金融包容性有单向的格兰格因果关系。调查结果还揭示了经济增长对金融包容性的获取和使用方面的积极影响,而学校入学,贸易开放性和通货膨胀似乎与金融包容性无关。研究局限性/含义:本研究仅限于新兴经济体的银行机构。该研究建议该地区的决策者和中央银行州长利用经济增长来建立一个有利于处境不利个人的高效而强大的金融体系。关于该主题的未来研究可以提供更清晰的见解,其中包括宗教层面,政治问题和腐败的研究。独创性/价值:本研究通过在研究金融包容与经济增长之间的关系时使用财务上的新测量来为现有文献做出贡献。
我国正处于经济结构调整优化的关键时期,数字经济的蓬勃发展对产业结构转型升级起着至关重要的作用。本研究利用2011—2018年249个地级市的面板数据,实证考察了数字经济与产业结构升级之间的关系及作用机制。研究结果表明,数字经济显著促进了产业结构升级,且这一结论在选取历史数据作为工具变量等稳健性检验之后依然有效。作用机制分析表明,劳动效率的提高、促进技术溢出是数字经济促进产业结构升级的重要机制。最后,对区域差异的研究表明,东部地区对数字经济发展的促进作用最明显,中部地区其次,西部地区的影响最小。本研究有助于认识产业结构升级的动因,以及数字经济促进现代产业体系发展的效果、机制及其区域差异。
本研究研究了碳排放,碳绩效的披露与印度背景下公司财务业绩的影响之间的关系。在2017 - 2022年期间,“ CDP披露项目”(CDP-India)提供的碳披露分数(CDP-India)用于分析这一影响。此外,资产收益率(ROA)被用作衡量公司财务绩效的指标。根据该部门对参与公司进行了分类并控制公司的变量,例如,通过各自公司的销售和公司年龄来衡量的公司规模,我们已经观察到碳的披露通常对其绩效没有影响。这表明披露与碳性能之间存在微不足道的关系。此外,回归分析的结果表明,碳的披露对短期公司的财务绩效有中立影响。我们的结果对经理和投资者具有显着影响,因为许多公司中度地将碳排放披露用于印刷管理。这些结果对于评估在新兴国家开展业务的公司自愿披露碳的经济后果很有用。
TVET(技术和职业教育和培训)老师的数字能力是TVET数字开发的关键。提高TVET教师的数字能力对于加速TVET的数字化转型过程至关重要。但是,关于TVET数字能力的研究仍然很少。这项研究的目的是描述中国教师对TVET的数字能力的自我认知。为此目的,基于中国TVET的发展特征,在中国建立了一种标准的TVET教师数字能力系统,包括数字思维方式和态度,数字知识和技能,数字教育和教学,数字护理和支持,数字协作与发展。基于此,开发了一种评估工具,以调查中国2,514名在职的TVET教师的当前能力状况。结果表明,能力系统是衡量中国TVET教师数字能力的有效工具,除性别外,其他内部和外部因素对教师的数字能力有不同程度的影响。根据这项研究的结果,提出了不同的建议来培训TVET教师的数字能力。
通过基因组挖掘和合成生物学对新型代谢机制的分析和重建,以及通过结构修饰,修饰和优化的新结构的小分子药物的开发可以为突破分子靶向药物的开发而破坏瓶颈。靶向具有重要活性,独特结构或/和广泛临床应用的天然药物分子家族,揭示体内生物转化并分析分子机制可以进一步促进天然产物的发展。近年来,一些技术和科学发展,包括改进分析工具,基因组挖掘和工程策略以及微生物文化的进步,为自然产品相关研究注入了新的机会。在这里,我们旨在汇编创新的原始研究和审查文章,以阐明代谢转换,潜在靶标,天然产物的分子机制及其与人类代谢的关联。
摘要 — 数据增强是深度模型训练过程中帮助泛化的一种常见做法。在生理时间序列分类的背景下,以前的研究主要集中在标签不变的数据增强方法。然而,另一类出现在计算机视觉领域的增强技术(即 Mixup)尚未在时间序列领域得到充分探索。在本研究中,我们系统地回顾了六个生理数据集上的基于混合的增强,包括 mixup、cutmix 和流形 mixup,评估它们在不同感官数据和分类任务中的表现。我们的结果表明,三种基于混合的增强可以持续提高六个数据集的性能。更重要的是,这种改进不依赖于专家知识或广泛的参数调整。最后,我们概述了基于混合的增强方法的独特属性,并强调了在生理时间序列数据中使用基于混合的增强的潜在好处。我们的代码和结果可在 https://github.com/comp-well-org/Mix-Augmentation-for-Physiological-Time-Series-Classification 上找到。索引术语 — 数据增强、混合、生理时间序列
在英国,Coyle 等人。分析了使用数字化技术的公司是否生产率更高 13。他们利用英国国家统计局年度商业调查、年度采购调查和电子商务调查的数据,研究了 2015 年至 2018 年期间的 2,000 多家英国大型公司。他们使用两种替代全要素生产率 (TFP) 指标和一种定制的无形资本存量指标,评估了一系列数字活动的影响。他们发现大公司的数字密集度更高,生产率也更高。他们还发现内部数字化能力对于提高生产力最为重要,这与 Bjornolfson 的研究结果一致,即无形数字资本至关重要。他们还发现,非数字密集型公司在采用数字化技术时,生产率呈现 J 曲线,表明采用数字化技术与实现生产率效益之间存在滞后。Coyle 的研究发现,数字技术(例如云、电子商务、大数据分析)的采用与 TFP 之间存在统计上显著的正相关关系。
最近,越来越多的文章着重于采用E-SCM系统的好处以及此类系统在供应链性能中的价值。但是,较少的学术研究致力于理解影响此类系统采用意图的因素。本研究使用技术,组织和环境(TOE)框架来检查影响约旦采用E-SCM系统的因素,在该国进行了有限的研究。通过LinkedIn网站通过251名参与者填写的在线调查,该研究表明,相对优势,财务资源,员工能力,高层管理支持,竞争压力和客户压力对E-SCM系统的采用意图产生了积极影响。调查结果证实了脚趾框架中嵌入的变量与创新供应链系统和解决方案的采用意图以及支持早期发现之间的关联。根据研究结果,E-SCM系统提供商应专注于这些系统提供的相对优势,以增加其采用的可能性。