XiaoMi-AI文件搜索系统
World File Search System用本
如何引用本文：Shuhaimi FA，Abdul Hamid SB，MD Yazid NA。妇女的母乳喂养和饮食教育计划的开发和验证
阶段II：BFDEP的开发健康信念模型（HBM）用于设计BFDEP模块。 HBM模型基于心理和行为理论，这些理论解释了人类健康的决策和随后的行为。 它强调了与健康相关的行为的两个方面：1）避免疾病的愿望或特定健康活动可以预防或治愈疾病的想法，以及2）相信特定的健康相关行动会预防或治愈疾病。 该模块的期望结果是根据母亲对相关健康活动的优势和缺点的看法来影响母亲的决定。 以前的发现表明，基于HBM的教育计划显示出基于模型构造随着时间的推移而增加参与者的知识的好处。 [15]阶段II：BFDEP的开发健康信念模型（HBM）用于设计BFDEP模块。HBM模型基于心理和行为理论，这些理论解释了人类健康的决策和随后的行为。它强调了与健康相关的行为的两个方面：1）避免疾病的愿望或特定健康活动可以预防或治愈疾病的想法，以及2）相信特定的健康相关行动会预防或治愈疾病。该模块的期望结果是根据母亲对相关健康活动的优势和缺点的看法来影响母亲的决定。以前的发现表明，基于HBM的教育计划显示出基于模型构造随着时间的推移而增加参与者的知识的好处。[15]
引用本文：Gerbrich Ferdinands (2021) 人工智能辅助系统评价：选择研究比较小样本量的贝叶斯与频率 SEM，多元行为研究，56:1，153-154，DOI：10.1080/00273171.2020.1853501
Smid 等人（2020 年）进行了一项系统评价，以表征贝叶斯和频率估计在小样本量 SEM 中的表现。在手动筛选 5050 项研究后，仅选定 27 项来回答他们的研究问题。进行系统评价需要付出巨大的筛选努力。这种筛选工作使证据综合成为一项极具挑战性的任务。开源 AI 辅助筛选工具可以潜在地减少工作量：系统评价的主动学习（ASReview；van de Schoot 等人，2020 年）。在 ASReview 中，研究人员与主动学习模型交互筛选摘要。根据研究人员的决策（相关与不相关），该模型会迭代更新其对剩余摘要的相关性预测。通过优先考虑最有可能相关的文章（即基于确定性的主动学习），ASReview 最大限度地减少了研究人员需要筛选的文章数量，同时仍能识别出大多数相关文章。手动筛选和自动优先排序出版物的过程会产生一组相关出版物。作为一个例子，ASReview 被应用于 Smid 等人（2020 年）确定的 5050 篇研究的全部集合。理想的表现被定义为最大限度地识别 Smid 等人最初确定的 27 篇相关文章，同时最大限度地减少研究人员需要筛选的文章数量。相关性预测由主动学习模型进行，该模型使用朴素贝叶斯或逻辑回归作为分类器。对于第一个预测，ASReview 需要一些示例文章。对每个分类器应用了 27 次 ASReview，使用每篇相关文章作为示例文章一次，并与一篇随机的不相关文章配对。如图 1 所示，贝叶斯和逻辑回归模型都发现超过 80%
如何引用本文：Vasudeva A、Sheikh NA、Sahu S。通过远程医疗和人工智能增强的国际功能、残疾和健康分类用于评估功能性残疾。J Family Med Prim Care 2021；10：3535-9。
建议的工作流程 建议的工作流程是，该人应该在网站上申请证书，该网站将首先确定是否存在基准残疾。智能助手和视频分析将有助于做出这一决定。将设置一个网络摄像头，其中包含预先指定的问题和预先指定的带有说明的协议。提供用于评估残疾的视频指南和说明手册将有助于以足够的信心得出结论，即患者是否有基准残疾。上诉机构将处理任何上诉。如果它确实符合基准残疾的条件，AI 将填写 WHO 的 ICF 核心集以创建功能档案；使用远程医疗来衡量能力和绩效，这可能取决于环境和社会规范
引用本文：Ruby O'Connor、Mitzi Bolton、Alexander K. Saeri、Tom Chan 和 Ross Pearson (2024) 人工智能与复杂的可持续性政策问题：将承诺转化为实践，政策设计与实践，7:3，308-323，DOI：10.1080/25741292.2024.2348834
摘要 应对可持续发展政策挑战需要能够驾驭复杂性的工具，以改善政策流程和结果。过去十年来，人们对人工智能 (AI) 工具的关注度和政府对其使用的期望急剧上升。我们对学术和灰色文献进行了叙述性回顾，以调查人工智能工具如何用于政策和公共部门决策。我们发现，学者、政府和顾问对人工智能表达了积极的期望，认为人工智能可以或应该用于解决广泛的政策挑战。然而，关于公共决策者如何实际使用人工智能工具或对使用结果的详细洞察的证据却少得多。从我们的研究结果中，我们得出了将人工智能的承诺转化为实践的四个教训：1) 记录和评估人工智能在现实世界中对可持续发展政策问题的应用；2) 关注现有和成熟的人工智能技术，而不是投机性的承诺或外部压力；3) 从要解决的问题开始，而不是要应用的技术；4) 预测并适应可持续发展政策问题的复杂性。
引用本文：Yuguang Yang（2023）在新的冠状动脉肺炎的背景下，数字经济对年轻人消费的影响
摘要本文通过小组模型和固定影响模型分析了北京和1个中国省和城市的数字经济数据。这些发现如下：首先，数字参与式融资的发展对中国的征服水平，消费结构，消费领域和发展产生了积极影响，主要是因为它影响了中国公民的消费品。第二，通过分析经济发展不同阶段的数字经济指标和数据，据信，数字经济的规模和覆盖范围将对中国的人均消费产生更大的影响。中国的数字经济主要影响居民的城乡结构，区域结构和消费习惯，以实现数字经济的影响。数字经济对面向增长的家庭消费的影响要大得多，而不是对家庭消费。基于发现，还提供了采取行动的建议。政府应加强数字基础设施，改善数字经济生产力和衍生品金融服务，提高公民资金服务的质量，并提高公民成功发展数字经济的负担能力。
如何引用本文：Sohaib Alam (2025)。重新定义图书馆服务：人工智能和机器学习在现代图书馆中的作用。国际图书馆进步，45(1)，24-33
摘要 人工智能 (AI) 为各个领域的研究发展开辟了新途径。人工智能技术在不同领域的广泛应用为未来创造了光明的前景。在图书馆领域，人工智能大大提高了信息资源的可用性和利用率，有助于实现图书馆的目标。为了保持相关性，图书馆员必须采用创新思维，因为人工智能现在已应用于图书馆的众多功能中，从组织书籍到促进书籍的传递。人工智能带来了新的可能性，例如整合物理和数字资源以及将视频辅助与物理材料联系起来。这篇评论文章探讨了人工智能 (AI) 在图书馆学中的整合，重点关注通过全面的文献检索发现的应用、工具和挑战。人工智能正在日益改变图书馆的运营，为编目、分类、内容发现和用户交互提供创新的解决方案。这篇评论强调了关键的人工智能驱动工具，例如聊天机器人、推荐系统和自动编目软件，这些工具可以提高图书馆的效率和用户体验。然而，图书馆采用人工智能也带来了重大挑战，包括数据隐私问题、专业培训需求以及工作岗位流失的可能性。本文综合了当前的研究结果，对人工智能在现代图书馆中的作用提供了细致入微的理解，深入了解了人工智能的变革潜力以及充分发挥其优势所必须克服的障碍。
引用本文：Mieta Bobanović (2022) 经济增长的阴影：人工智能自动化和全球化，经济研究-经济研究，35:1，4149-4158，DOI：10.1080/1331677X.2021.2012217
在确保自由市场体系和高生活水平的同时共享技术知识至关重要，但为此应考虑新的经济和政治框架。Brynjolfsson 和 McAfee（2013）的研究表明，尽管美国公民的生产力提高了，但他们的家庭平均收入却下降了，这违背了微观经济学规律。如何避免生产力提高但工资却没有遵循相同趋势的现象？数字时代的哪些特征导致关键经济驱动力无法同步增长？众所周知，技术在实现经济和社会活动的全球化方面发挥着至关重要的作用。各个国家对新技术的开放性对其实际和潜在的经济发展产生了重大影响（Archibugi & Pietrobelli，2003）。新全球化和新工业革命的综合影响应以有利于整个社会的方式分配。通过分析结构性变化，初步结果认为，无论是以部门层面的开放度、进口渗透率和出口强度为代表的全球化，还是以部门层面的信息和通信技术资本强度为代表的数字化，都与工资差距扩大相关（Berlingieri 等，2017）。
引用本文：Oliver C. Cohen、Iona J. Blakeney、Steven Law、Sriram Ravichandran、Janet Gilbertson、Dorota Rowczenio、Shameem Mahmood、Sajitha Sachchithanantham、Brendan Wisniowski、Helen J. Lachmann、Carol J. Whelan、Ana Martinez-Naharro、Marianna Fontana、Philip N. Hawkins、Julian D. Gillmore 和 Ashutosh D. Wechalekar (2022)：英国国家淀粉样变性中心对遗传性载脂蛋白 A-I 淀粉样变性的经验，淀粉样变性，DOI：10.1080/13506129.2022.2070741
摘要简介：遗传性载脂蛋白 A-I (AApoAI) 淀粉样变性是一种罕见的异质性疾病，发病年龄和器官受累各不相同。很少有系列文章详细介绍了一系列致病性 APOA1 基因突变的实体器官移植的自然史和结果。方法：我们确定了 1986 年至 2019 年期间在国家淀粉样变性中心 (NAC) 就诊的所有 AApoAI 淀粉样变性患者。结果：总共确定了 57 名患有 14 种不同 APOA1 突变的患者，包括 18 名接受肾移植的患者（5 例肝肾联合 (LKT) 移植和 2 例心肾联合 (HKT) 移植）。发病年龄中位数为 43 岁，从发病到转诊的中位数时间为 3（0 – 31 年）。81%、67% 和 28% 的患者检测到淀粉样蛋白累及肾脏、肝脏和心脏。肾淀粉样变性普遍与最常见的变异 (Gly26Arg, n ¼ 28) 有关。在所有变异中，肾淀粉样变性患者在诊断为 AApoAI 淀粉样变性时肌酐中位数为 159 m mol/L，尿蛋白中位数为 0.3 g/24 h，从诊断到终末期肾病的中位时间为 15.0 (95% CI: 10.0 – 20.0) 年。肾移植后，同种异体移植的中位生存期为 22.0 (13.0 – 31.0) 年。移植后有一例患者早期死亡（肾移植后 2 个月感染相关），未发生导致移植失败的早期排斥反应。在所有四例接受连续 123 I-SAP 闪烁显像的病例中，肝移植均导致淀粉样蛋白消退。结论：AApoAI 淀粉样变性是一种进展缓慢、难以诊断的疾病。移植结果令人鼓舞，移植物存活率极高。
引用本文：Thomas KF Chiu、Benjamin Luke Moorhouse、Ching Sing Chai 和 Murod Ismailov (2023)：教师支持和学生学习动机
摘要 随着人工智能 (AI) 技术的进步，它将不可避免地给课堂实践带来许多变化。然而，教育领域的人工智能研究与教学观点或教学方法的联系较弱，特别是在 K-12 教育领域。人工智能技术可能使有上进心和先进的学生受益。需要了解教师在课堂上使用人工智能技术调解和支持学生学习方面所起的作用。本研究使用自我决定理论作为支撑框架，调查教师支持如何调节学生专业知识对需求满足和使用人工智能技术学习的内在动机的影响。这项实验研究涉及 123 名 10 年级学生，并在实验中使用聊天机器人作为基于人工智能的技术。分析表明，使用聊天机器人学习的内在动机和能力取决于教师支持和学生专业知识（即自我调节学习和数字素养），教师支持更好地满足了关联性需求，而不太满足自主性需求。研究结果完善了我们对自我决定理论应用的理解，并扩展了人工智能应用和教学实践的教学和设计考虑。
请引用本文：O. Sachenkova Lundström、M. Verbiest、F. Xia、H. Ziaei jam、I. Zlobec、M. Anisimova、M. Gymrek、WebSTR：一项全民
新一代测序 (NGS) 的进步使得人们能够生成人类遗传变异的深度目录，并发现了大量与疾病相关的变异。大多数 NGS 应用都集中在单核苷酸多态性 (SNP) 或短插入和缺失 (indel) 上。串联重复是遗传变异的另一个丰富来源，由于难以获得准确的基因型，因此在很大程度上被忽视了。在这里，我们主要关注重复单元长度为 1-6 bp 的短串联重复 (STR)。总的来说，STR 占人类基因组的约 3%，超过整个蛋白质编码外显子组 [1]。STR 在基因调控区富集 ([2],[3])，重复拷贝数的变化可以通过多种机制影响基因调控，包括修改转录因子结合位点、改变 DNA 甲基化模式 [4] 或其他方式。 STR 中重复单元数量的大幅增加与数十种疾病 [5] 有关，例如亨廷顿氏病 [6] 和脆性 X 综合征 [7]，而较温和的逐步变化与包括血液和脂质生物标志物在内的复杂性状有关 ([8], [9])。STR 还被用作癌症研究中诊断的遗传标记，并在多种癌症中发挥作用，包括结直肠癌 [10] 和乳腺癌 [11]。