XiaoMi-AI文件搜索系统
World File Search System插度
人工智能不插电：为对话式人工智能夏令营设计不插电活动
随着 Siri 和 Alexa 等对话式 AI 应用在儿童中变得无处不在，CS 教育界已开始利用这种流行度作为吸引年轻学习者学习 AI、CS 和 STEM 的潜在机会。然而，向 K-12 学习者教授对话式 AI 仍然具有挑战性且尚未得到探索，部分原因是某些对话式 AI 概念（例如意图和训练短语）具有抽象性和复杂性。一种以引人入胜的方式教授复杂主题的有前途的方法是通过非插电活动，事实证明，这种方法在不使用计算机的情况下非常有效地促进 CS 概念理解。目前正在研究开发用于教授 AI 的非插电活动，但迄今为止很少有研究关注对话式 AI。本经验报告描述了针对中学生的对话式 AI 夏令营的一系列新颖的非插电活动的设计和迭代改进。我们讨论了学习者的反应以及通过实施这些非插电活动获得的经验教训。我们希望这些见解能够支持 CS 教育研究人员使对话式 AI 学习更具吸引力并让所有学习者都能接受。
大幅缩短高强度粘合剂的开发时间<研究成果
Harutoshi Yamada、Teruki Tsurimoto（筑波大学纯粹与应用科学研究生院）、Sirawit Pruksawan 和 Naito（筑波大学纯粹与应用科学研究生院、国家材料科学研究所）
人工智能技术的接受度和对其前景的乐观度
自 ChatGPT 推出以来，生成式人工智能给未来就业市场带来了显著挑战，引发了关于自动化和人工智能技术如何影响就业的广泛讨论。然而，个人对这些挑战的看法因人而异，有些人将人工智能的进步视为成长和创新的机会。这项研究旨在探讨高中生对人工智能对未来就业市场影响的看法。我们假设，积极主动的性格特征、技术和职业自我效能将积极影响学生对未来职业的准备、乐观和担忧。为了检验这些假设，我们收集了 141 名高中生的数据。我们的研究结果表明，积极主动的性格和技术自我效能与对人工智能对就业影响的准备和乐观程度的增强呈正相关。这些见解为教育工作者和政策制定者提供了实际意义，并提出了未来研究的领域，以更好地了解学生如何为人工智能驱动的劳动力做好准备。关键词：人工智能 (AI)、技术接受度、职业选择、高中介绍
加纳对 COVID-19 疫苗的接受度和犹豫度
接受疫苗的倾向以及影响疫苗接受和犹豫的因素将决定 COVID-19 疫苗接种计划的整体成功。因此，各国需要了解影响疫苗接受和犹豫的因素，以防止未来进一步的冲击，并且有必要彻底了解这些因素。因此，本研究旨在回顾研究领域内选定的已发表著作，并进行有价值的分析，以确定对加纳 COVID-19 疫苗接受和犹豫最具影响力的因素。该回顾还探讨了加纳 COVID-19 疫苗的接受率。我们选择了 2021 年至 2023 年 4 月发表的著作，并根据影响加纳 COVID-19 疫苗接受和犹豫的关键因素、加纳的接受率、经常检查的人口统计因素以及用于检查这些因素的研究方法提取、分析和总结了研究结果。研究发现，积极的疫苗接种认知、安全性、对疫苗有效性的信任、对 COVID-19 的了解以及良好的疫苗接种态度影响了加纳人对 COVID-19 疫苗的接受。疫苗的负面副作用、对疫苗的不信任、对疫苗安全性缺乏信心、恐惧以及精神和宗教信仰都在影响 COVID-19 疫苗犹豫方面发挥了重要作用。在这项研究中，在所审查的文章中观察到的 COVID-19 接受率从 17.5% 到 82.6% 不等。这些研究中经常包括的具有重大影响的人口统计参数包括教育程度、性别、宗教信仰、年龄和婚姻状况。对 COVID-19 疫苗的积极看法和对其负面影响的担忧影响了加纳人的接受和犹豫。
GP-VAE：深概率的多元时间序列插补
具有缺失值的多变量时间序列在医疗保健和财务等领域很常见，并且多年来的数量和综合性已经增长。这提出了一个问题，是否可以在该领域中执行经典数据插补方法。然而，深度学习的幼稚应用在提供可靠的置信估计和缺乏可解释性方面缺乏。我们提出了一个新的深层连续变量模型，以减少维度和数据插补。我们的建模假设是简单且可解释的：高尺寸的时间序列具有较低的代数反应，该代态根据高斯过程在及时的及时演变而来。使用具有新型结构化变分近似的VAE方法实现了缺失数据的非线性维度降低。我们证明，我们的APS在计算机视觉和医疗保健领域的高维数据上胜过几种经典和深度学习的数据插补方法，同时增加了进化的平稳性，并提供了可解释的不良估计。
