高中生对人工智能聊天机器人在英语学习中使用的看法:好处、顾虑和道德考虑 Ji Eun Lee 和 Unkyoung Maeng Lee, JE, & Maeng, U. (2023)。高中生对人工智能聊天机器人在英语学习中使用的看法:好处、顾虑和道德考虑。泛太平洋应用语言学协会杂志,27 (2),53–72。本研究探讨了高中生对在英语学习中使用人工智能聊天机器人的看法。具体来说,它旨在衡量聊天机器人使用的广度,并辨别与其使用相关的潜在挑战的看法。来自一所高中的 30 名学生参加了调查。数据分析涉及频率、平均值和独立样本 t 检验。研究结果如下。首先,学生高度认可聊天机器人的重要性和价值,并对其可用性给予了积极评价。然而,他们之前使用聊天机器人的经验并没有影响这种看法。第二,学生认为在英语学习中使用聊天机器人非常有益。特别是,那些有聊天机器人使用经验的人比没有经验的人有更积极的看法。第三,学生相对意识到使用聊天机器人的潜在道德问题。无论他们是否有使用聊天机器人的经验,他们都特别担心抄袭和版权问题以及潜在的个人信息泄露。他们还意识到了潜在的教育问题,担心过度依赖聊天机器人可能会阻碍他们的探索性学习或导致直接抄袭作业,错失学习机会。然而,没有经验的人比有经验的人更持怀疑态度。本文还讨论了从这些发现中得出的含义和建议。关键词:人工智能聊天机器人、感知、教育用途、道德问题 1 引言 第四次工业革命开启了一个多种技术融合和快速发展的时代。值得注意的是,人工智能的引入不仅有望在制造业、经济和医疗保健等行业取得重大潜在进步,而且还在不断增加
尽管我们每个人曾经都是婴儿,但婴儿意识仍然是神秘的,并且对何时以及以什么形式出现,首先出现了什么形式。一些理论家捍卫了“晚期”的观点,这表明意识需要认知能力,而这些认知能力不太可能在孩子最早生日之前就位。其他理论家遭受了“早期发作”的叙述,这表明意识可能在出生时(或之后不久)存在,甚至可能在第三个孕期出现。在这个领域的进展很困难,不仅是因为采购相关行为和神经数据所带来的挑战,而且还因为如何在缺乏口头报告或故意行为能力的情况下如何最好地研究意识的不确定性。本综述研究了这一领域的经验和方法论进步,认为最近的研究指出了提出意识出现的早期发作的指向。
抽象的可穿戴,无创,脑部监测技术可以在实验室外进行研究,以发现针对特定研究的不同,有时甚至更相关的人类大脑。尽管这可能会导致新的科学发现,但有必要了解个人如何从中受益并理解与这种技术的互动。这项研究考虑了在康复背景下具有可穿戴,非侵入性,脑监测设备的患者体验。研究项目以患者为中心的康复工程(PACER)提供了研究实践的例子,以评估和讨论在以患者为中心的康复中使用此类设备进行下肢截肢者的潜力。项目发现表明,技术中介理论的概念通过描述与技术之间的关系如何取决于您是健康专业人员,研究人员还是患者,从而增强了讨论,这在评估用于实际应用的新技术时是必不可少的理解。
1 See, for example, Sue Unsworth and David Booth's 2014 paper: https://odi.org/en/publications/politically- smart-locally-led-development/ 2 See, for example: https://frompoverty.oxfam.org.uk/what-were-missing-by-not-getting-our-twp-alphabet- straight/ 3 Carothers, T. and de Gramont,D。(2013)发展援助与政治:几乎革命。华盛顿特区:卡内基国际和平捐赠基金。4可以在此处查看网络研讨会:https://twpcommunity.org/peaandtwplearning-from-ten-ten-ten are-ten-usaid- usaid-经验
背景:尽管受教育程度和背景相似,程序员的效能却可能存在巨大差异。虽然研究已经确定了一些潜在因素,例如编程经验和领域知识,但这些因素对程序员效能的影响尚不清楚。目的:我们旨在揭示效能(速度和正确性)与编程经验指标之间的关系。我们进一步研究了程序员效能与阅读行为和认知负荷之间的相关性。方法:为此,我们使用脑电图 (EEG) 和眼动追踪对 37 名参与者进行了一项对照实验。我们要求参与者理解多达 32 个 Java 源代码片段,并观察他们的目光注视和认知负荷的神经相关性。我们分析了参与者效能与流行的编程经验指标之间的相关性。结果:我们发现高效能程序员阅读源代码更有针对性,认知负荷更低。常用的经验水平不能很好地预测程序员效能,但自我评估和学习热情指标相当准确。意义:已确定的程序员效能相关性可用于未来的研究和实践(例如招聘)。未来的研究还应该将功效视为一种群体抽样方法,而不是使用简单的经验测量。
摘要:当今的工作生活在不断变化,工作环境风险因素可能会迅速改变。除了传统的体育工作环境风险因素外,更抽象的组织和社会工作环境因素在预防和引起与工作有关的疾病方面还发挥了不断增强的作用。这需要一种预防性的环境管理,该管理可以响应快速变化,而评估和补救措施更依赖于员工参与,而不是预定的阈值限制。这项研究旨在调查使用支持模型(耐力模型)进行工作场所改进是否可以在定量研究中已经显示的定量措施中具有相同的积极影响。来自六个市政当局的员工使用该模型12个月。他们在基线和六个月和12个月后回答了一份问卷,以检测其描述当前工作状况并感知其影响力,生产力,短期恢复和组织正义的任何变化。结果表明,与基线相比,在随访中,员工在与沟通/协作以及角色/任务相关的工作情况中感觉更具影响力。这些结果与以前的定性研究一致。我们发现其他端点没有重大变化。结果加强了先前的结论,即耐力模型可以用作包容性,现代和系统的工作环境管理的一部分。
摘要 期望塑造了我们的音乐体验。然而,听众形成旋律期望的内部模型仍然存在争议。期望是源于格式塔原则还是统计学习?如果是后者,长期经验是否起着重要作用,还是短期规律就足够了?最后,多长的情境可以影响情境期望?为了回答这些问题,我们向人类听众展示了西方古典音乐的各种自然主义作品,同时使用 MEG 记录神经活动。我们使用各种音乐计算模型(包括最先进的变压器神经网络)量化了音符级的旋律惊喜和不确定性。时间分辨回归分析显示,额颞传感器上的神经活动跟踪旋律惊喜,特别是在音符开始后约 200 毫秒和 300-500 毫秒内。这种神经惊喜反应与感觉声学和适应效应无关。神经惊喜最好由结合长期统计学习的计算模型来预测,而不是简单的格式塔式原则。然而,有趣的是,惊喜主要反映了少于十个音符的短距离音乐环境。我们在公开的 EEG 数据集中展示了我们新颖的 MEG 结果的完整复制。总之,这些结果阐明了在自然音乐聆听过程中塑造旋律预测的内部模型。
躁郁症(BD)是一种慢性疾病,影响了世界人口的大约2.5%(Clemente等,2015; Merikangas等,2011)。虽然躁狂症状是BD的定义特征,但BD患者通常会花费更多的时间(Judd等,2002,2003),并且患者本身将抑郁症视为最繁重的情绪状态(MąCzka等,2010)。抑郁症状(甚至是亚州)与功能障碍,自杀性和对生活质量的负面影响有关(Altshuler等,2006;Bonnín等,2012; Hadjipavlou and Yatham,dive; (Ruggero等,2007)。目前可用于BD抑郁症的药物疗法有局限性(Frye等,2014; Yalin and Young,2020)。锂和抗精神病药与显着的副作用有关(Kemp,2014; Ketter等,2014),而抗抑郁药具有突破性躁狂症状的风险(Tondo等,2010)。即使接受治疗,许多患者也无法充分反应或重新恢复全部功能(Huxley和Baldessarini,2007; Wingo等,2010)。
BV,An,荷兰)和 Kimea(Moovency,Saint-Jacques-de-la-Lande,法国)。一些作者通过肌电图测量、建模研究、加速度计或倾角仪研究了轻型行李处理 [4-6]。但是,这些研究并没有专门关注使用 ERC 在窄体飞机货舱中工作的情况。Captiv 系统是我们职业健康服务中当时数据收集唯一可用的技术。但是,该系统依赖于多个无线惯性传感器,这在执行我们的协议时可能会有一些缺点。需要 50 个传感器来捕捉全身运动,因此处理人员的设备时间比 GoPro 要长得多。此外,传感器在皮肤上的位置可能会发生变化,停止工作重新定位它们可能会延迟飞机的起飞。Xsens DOT 系统直到 2020 年才推出。最后,