XiaoMi-AI文件搜索系统
World File Search System知识结构
算法知识结构和设计的中介方法。教学莫迪操作数字技术
我要感谢Habilitation Julia Franz，Dominic Busch和BurkhardSchäffer的专家导师的成员。BurkhardSchäffer多年来一直在他的教授职位上为我提供了一个学术意义，并给了我自由追求自己的利益。在此期间与我们在一起的学生助理通过抨击和评论文本部分，即Merle Medrow，Konstantin Regner，Felix Sonnberger和Noelle Kuntz来支持这项工作。Max Beisswenger将感谢您对访谈的比例转录。克里斯蒂娜·穆勒（ChristinaMüller），弗洛里安·乌兹（Florian Utz）和托马斯·弗洛斯（Thomas Clever）帮助我创建了应用程序分析的经验材料，并且也总是在丰富讨论伙伴。我们要感谢所有在科学工作帮助下做出重大贡献的学生辅助工人。
HE 中的 QA 中的 AI
人工智能世界中的高等教育机构 - 寻求新的毕业生能力 - 新的研究可供性 - 新的认识论/知识结构 - 教学可能性 - 个性化 - 对学术诚信的新威胁 [AI]
事件感知：思维 - 脑透视
人们在离散事件方面认为和想象活动。在这里，作者提出了一个理论，该理论是根据持续的感知处理引起的，对事件之间的边界感知并调节注意力和记忆。感知系统不断就接下来会发生的事情进行预测。当出现预测中的瞬态误差时，就会感知事件边界。根据理论，对事件的看法取决于感官提示和知识结构，这些感官提示和知识结构代表了先前学习的有关事件零件的信息以及有关演员目标和计划的推论。神经系统和神经生理学数据表明，事件的表示可能是由横向前额叶皮层中的结构来实现的，并且通过处理途径（包括前扣带回途径）计算并评估了感知预测误差，包括前扣带回皮层和皮质下皮质神经瘤系统。
4D 打印的发展和新兴趋势
摘要：增材制造技术的出现为制造业的发展开辟了道路，而4D打印是增材制造未来的一个明确方向。作为一个年轻的领域，它充满了新的元素需要研究。在总结和概述研究现状和趋势时，现有的研究一般都是手工审查和整理的，容易受到主观思维和知识盲区的干扰，难以全面反映4D打印的研究现状。本文通过文献计量技术和Gephi、CiteSpace等软件，构建了全球制造业4D打印研究领域的基本信息、技术演进路径、知识结构和新兴趋势的可视化技术识别框架。本文旨在对4D打印研究领域进行系统、全面、动态、量化和客观的分析，以深化和细化该领域的研究，并揭示整体现有的知识结构和潜在的新兴趋势。研究人员可以利用它来了解当前的研究差距和最佳实践途径。
科学计量分析
摘要 本文的目的是分析供应链管理 (SCM) 领域的知识结构，确定出版模式，并衡量各个领域、期刊、地区和机构对该主题的兴趣。调查特别关注最新的出版物，以确定该领域的新兴主题。分析以 2010 年 1 月至 2021 年 8 月期间在 Web of Science 中收录的 11,085 份 SCM 出版物为样本。作者的生产力是根据出版作品数量和被引用次数来分析的。最后，单篇文章的引用计数捕捉到了最基本的作品，并衡量了该领域的新主导兴趣。结果表明，2018 年初之后，出版物数量增加了一倍以上，尤其是关注供应链可持续性和绿色供应链的文章。文档共引网络有助于概述 SCM 文献中的主要主题：供应链集成、绿色 SCM、可持续 SCM、供应商选择和供应链风险管理。最重要的是，确定了新兴的 SCM 主题：SCM 关键成功因素、区块链技术、大数据分析和循环经济。关键词：文档共引分析、知识结构、供应链管理、科学计量分析、科学网
技术预测和社会变革中人工智能研究的演变：研究主题、趋势和未来方向
人工智能 (AI) 是一组快速发展的颠覆性技术，正在彻底改变与人、商业、社会和环境相关的各个方面。随着数字计算设备的普及和大数据的出现，人工智能正日益为社会和商业组织提供重要机遇。学者和从业者对人工智能的兴趣日益浓厚，导致在主要研究机构发表的大量学术文献中探讨的研究主题多种多样。本研究旨在绘制《技术预测与社会变革》（TF & SC）上发表的整体人工智能研究的知识结构和概念结构的演变。本研究使用基于机器学习的结构主题模型 (STM) 从人工智能研究文献中提取、报告和可视化潜在主题。此外，还研究了人工智能研究知识结构中的学科模式，并额外评估了人工智能的学科影响。主题建模的结果揭示了八个关键主题，其中医疗保健、循环经济和可持续供应链、消费者采用人工智能以及人工智能用于决策的主题多年来呈上升趋势。人工智能研究对商业、管理和会计、社会科学、工程、计算机科学和数学等学科有着重大影响。该研究基于循证研究方向，为未来提供了富有洞察力的议程，将有利于未来的人工智能学者发现当代研究问题并开展有影响力的研究来解决复杂的社会问题。
人工智能的 3E 原则：经济学、解释力、认识论
本文将其根源/路线定位在多个学科结构中，并试图通过括起三个知识结构——人工智能 (AI)、经济学和认识论——来推动对我们当代社会技术挑战的一个方面的批判性思考，而这三个知识结构通常不被一起考虑。通过这样做，它响应了来自人工智能和其他学科工作的日益增长的对进一步跨学科参与的必要性的呼吁。这里的论点结构如下。首先，我首先说明解释如何以及为什么是人工智能中的一个问题（“XAI 问题”），以及最近的研究正在采取哪些方向来借鉴社会科学来解决这个问题，并指出这些文献中明显缺乏对经济学的引用。其次，我确定并分析了一个长期困扰经济学学科的解释问题。我展示了只有少数经济学家曾试图解决这个问题，并提供了他们的观点。第三，我提供了经济学中解释的原始谱系，展示了解释含义的变化性质。当某事被“解释”时，人们对发生的事情的共识理解发生了系统性变化，反映了方法论上的妥协，这些妥协随着时间的推移而变得必要，以应对不同的认识论张力。最后，我确定了经济学和人工智能之间各种相关的历史和概念重叠。最后，我建议我们必须更加关注支撑人类社会技术知识的认识论。人工智能中的解释问题，就像经济学中的解释问题一样，可能不仅仅是，或者实际上不仅仅是一个令人满意的解释提供问题，而是与相互竞争的认识论和伦理选择问题交织在一起，并与我们选择社会技术安排和同意受其治理的方式有关。
酪氨酸激酶抑制剂的全球研究趋势
背景：酪氨酸激酶抑制剂（TKI）在多种肿瘤的治疗中取得了革命性的成果，每年都有大量关于该主题的研究发表，一些已发表的综述为我们了解TKI提供了很大的价值，但对TKI研究的知识结构、文献计量分析和可视化结果的研究尚不足。目的：本文旨在通过共词分析和文献可视化的方法，探究TKI研究的知识结构、热点和演变趋势，帮助该领域的研究者全面了解现状和趋势。方法：从Web of Science中检索2016年至2020年发表的所有关于TKI的学术论文，通过统计论文中的关键词，通过提取关键词间的共现关系生成共词网络，然后通过计算整体网络和局部网络的网络指标，对社区进行细分，识别TKI研究的子方向。绘制了关联网络拓扑结构，包括TKIs子方向内和子方向之间的网络，揭示不同子方向之间的关联和结构。此外，我们结合关键词的爆发权重和持续时间来检测关键词爆发，以揭示TKIs研究重点的变化。最后，生成演化脉络和战略图以揭示TKIs研究趋势。结果：从5584篇论文标题中获得6782个独特词（总频率26,175）。最后，经讨论，以10为阈值，选取296个高频词，总频率占比65.41%（17,120/26,175）。对爆发学科的分析发现，TKIs研究的爆发词数量每年都在变化，尤其是在2019年和2020年，例如HER2、吡咯替尼、二代测序、免疫治疗、ALK-TKI、ALK重排。通过网络计算，TKIs共词网络分为6个社区：C1（非小细胞肺癌）、C2（靶向治疗）、C3（慢性粒细胞白血病）、C4（HER2）、C5（药代动力学）、C6（ALK）。脉络图显示出非小细胞肺癌脉络、慢性粒细胞白血病脉络、肾细胞癌脉络、慢性淋巴细胞白血病脉络等几个清晰且连续的演变趋势。在战略图中，C1（非小细胞肺癌）为核心方向，位于第一象限，C2（靶向治疗）正好位于第一与第四象限的交界处，即C2处于发展阶段；C3（慢性粒细胞白血病）、C4（HER2）、C5（药代动力学）均尚未成熟，位于第三象限。结论：通过共词分析和文献可视化，揭示了2016年至2020年TKIs研究的热点、知识结构和发展趋势。TKI研究主要集中于针对不同肿瘤的靶向治疗，