XiaoMi-AI文件搜索系统
World File Search System解释学
高等教育教学的解释学分析
引言“向前迈进”和融入新技术的迫切需要长期以来一直推动着高等教育的发展。在过去十年中，世界各地的教学人员都被鼓励将各种数字技术融入教学和学习环境中。大量资源已被投入到支持教师技术应用的举措中。其中包括教师培训计划和以技术为重点的单位，为教师提供技术和教学指导（Tømte 等人，2019 年），这些单位是变革的中心。这类计划的一个基本假设是，由于开发高效的技术增强学习绝非易事，因此教师必须成为称职的学习设计师（Conole 和 Fill，2005 年；Dobozy 和 Cameron，2018 年）。正如 Lai 和 Bower（2019 年）所强调的那样，高质量的技术增强学习需要了解技术的可供性以及教师和学生在数字环境中的角色，等等。为了有效地整合这些方面，教师需要进行学习设计。在这里，学习设计通常包括“规划和/或实际开发特定教学或学习资源的过程”（Kali 等人，2015 年，第 174 页）。Goodyear（2005 年）将其描述为“教育设计”，他将其定义为“在特定情况下构建如何支持学习的表述所涉及的一系列实践”（第 82 页）。虽然这个想法
对...技术未来的解释学反思
Grunwald, Armin。2014 年。“未来研究提供的导向模式：理解多样性和分歧”。《欧洲未来研究杂志》2(1)。doi：10.1007/s40309-013-0030-5。
人工智能在圣经诠释学中的潜力
圣经文本的解释是一项长期存在的挑战，学者们在理解经文方面面临诸多障碍。本研究考察了人工智能 (AI) 在增强圣经解释学方面的潜力，从单纯的自动化过渡到增强。该研究旨在调查人工智能在圣经解释学中的应用，确定其能力和局限性，并探索人工智能如何增强解释过程，提供新的见解并促进对经文的更深入理解。采用定性研究方法，分析现有的关于人工智能和圣经解释学的文献。主题分析确定了数据中的模式和主题。研究发现，人工智能有潜力显著增强圣经解释学，产生新的见解，提供上下文分析，并促进个性化学习工具。然而，必须解决挑战和道德问题。此外，该研究促进了关于人工智能在圣经研究中的作用的持续讨论，强调了将人工智能融入解释学实践的潜在好处和挑战。该研究建议开发人工智能工具来支持圣经诠释学，以现有工具为基础，如 Bible Works、Logos Bible Software、Accordance Bible Software、Bible Analyzer、e-Sword、NATS 和其他著名工具。人类与人工智能之间的协作方式至关重要，确保负责任且尊重地融入诠释学实践。通过应对挑战并发挥人工智能的潜力，学术界可以推进圣经诠释学并有助于更深入地理解圣经文本。
神经接口究竟想要告诉我们什么？
Telotte, JP 2016. 机器人生态学和科幻电影。第 1 版。Routledge。Grunwald, Armin。2016. 负责任的研究和创新的解释学方面。英国伦敦：美国新泽西州霍博肯：ISTE；Wiley。
第一课时1.1（计算机的工作原理）
解释学生在学习计算机科学的过程中需要更新设计日志，并鼓励他们在学习计算机科学的过程中随时更新日志。设计日志是记录想法、灵感、笔记、草图、问题、挫折、胜利等的好地方。
我的副本和我 – 心灵上传的想象
“因此，模式 3 导向是尝试从未来研究的多样性和分歧中了解我们自己、我们的社会实践、潜意识的担忧、隐含的希望和恐惧。当然：首先，为此必须对未来进行解释，甚至‘解构’，这需要充分的评估程序和解释学努力。”（Grunwald，2014 年，第 7 页）
人工智能的语法 - Mark Coeckelbergh
摘要 在拒绝语言学转向之后，经验主义技术哲学中具有影响力的派别倾向于忽视甚至敌视结构主义和先验主义技术方法。本文借鉴卡西尔、布迪厄、维特根斯坦和利科的思想，对技术的意义进行了阐述，理论化了技术的这些方面，并展示了这种解释学对于理解人工智能和算法数据处理等数字技术的意义。本文认为，先验和结构主义方法有助于我们揭示和评估人工智能以及更广泛意义上的数字技术的语言、社会政治、身体和物质前提条件。考虑到人工智能和机器人技术提出的一些问题，本文表明这些先验结构或“语法”使人工智能的意义和使用成为可能，但同时也限制了它。因此，所提出的框架和研究计划不仅使我们能够更好地理解数字技术和其他技术，而且还能够对它们进行批判，从而最终实现质疑我们在世界上的生存方式的哲学任务。
论计算文体学：挖掘文学文本......
按照解释学的思路，我们提出了一种通过从给定文本中提取相关模式来进行风格表征的知识发现过程，重点是风格的句法维度。这个知识发现过程包括两个主要步骤，一个顺序模式挖掘步骤，然后应用一些兴趣度度量。特别是，提取给定长度的所有可能的句法模式被提出作为在探索性场景中提取有趣特征的一种特别有用的方法。显然，模式的激增和人类难以理解大量结果是这种方法的主要障碍。因此，我们在这种情况下使用兴趣度度量来处理和减少如此大量的模式，以识别最相关的模式。我们建议对三种提出的兴趣度测量方法进行实验评估并报告结果，每种方法都基于不同的理论语言学和统计背景。
叙事责任与人工智能
摘要 大多数关于责任的论述都集中于一种责任，即道德责任，或涉及道德责任的某个特定方面，如代理。本文概述了一个思考责任的更广泛的框架，包括因果责任、关系责任以及我所说的作为“解释责任”的一种形式的“叙事责任”，将这些责任概念与不同类型的知识、学科和对人类的看法联系起来，并展示该框架如何有助于描绘和分析人工智能 (AI) 如何以各种方式挑战人类的责任和意义建构。本文运用最近的技术解释学方法，认为除了道德责任等其他类型的责任之外，我们还有叙事和解释责任——一般而言和针对技术的责任。例如，作为人类，我们的任务是理解人工智能、与之合作并在必要时对抗人工智能。虽然从后人类主义的角度来看，技术也有助于意义建构，但人类是责任的体验者和承担者，在解释责任方面始终占据主导地位。面对和处理一个充满数据、相关性和概率的世界，我们注定要理解。此外，这也具有规范性，有时甚至是政治性的方面：如果我们想避免我们的故事被其他地方——通过技术——书写，承认和接受我们的解释责任是很重要的。