目的:本研究评估了上颌植入物的咀嚼效率和最大咬合力,由两种植入物支撑的下颌骨过高的假肢和固定的杂种假体的咀嚼力和固定的混合假体。患者和方法:六名从先前研究中招收的完全厌恶的患者安装了下颌倒角,其中包括两个植入物。将四个平行上颌植入物放置在犬和第二磨牙区域。每个患者随机接收BOD和固定的混合假体(FHP)。使用咀嚼口香糖和查看口香糖软件,根据色相的差异评估了咀嚼效率。使用咬合力计,评估了最大咬合力(在纽顿)。使用3个月后,评估了以下上颌假体:完整的义齿(CD),BOD和FHP。使用单向方差分析测试比较了这三组,而使用事后LSD测试比较了两者之间的组。这些统计检验具有5%的显着性阈值。结果:色相的平均方差最高(CD的低混合能力),然后是BOD,最终在FHP上。组之间的最大咬合力的平均值显着变化(p <0.001)。FHP在假体中表现出最大的最大咬合力,其次是BOD,而CD表现出最小的咬合力。结论:考虑到这项研究的结果,上颌四平行植入物FHP的表现优于BOD。在最大咬合力和咀嚼效率方面,这两个假体均表现出优于常规陈述。
有记录显示,高剂量的 RF-EMF 辐射可导致非人类灵长类动物和兔子的眼部损伤。33,34 Liu 等人报道了一例人类因误用 90 至 580 kHz RF 辐射的医疗器械而导致视神经损伤,从而导致双侧视力丧失的病例。35 然而,Adibzadeh 等人观察到,在 16 名接受头颈部癌症治疗的患者中,长时间(60 分钟)强烈暴露于 434 MHz RF-EMF 辐射引起的高温并未导致严重的急性眼部损伤。36 通常,眼部损伤的存在和程度与频率和剂量有关,并且可以通过面部厌恶和眨眼反射大大减轻。37 由于足够高的剂量可能会造成眼部损伤,因此建议将全面的眼科检查作为眼部或视力问题患者的初步医学评估的一部分。
胃食管交界处 (GEJ) 或胃贲门肿瘤与胃远端肿瘤相比 (7)。单克隆抗体 (mAb) 曲妥珠单抗 (赫赛汀) 的应用,使 HER2 的胞外结构域 IV 结合,诱导抗体依赖性细胞毒性 (ADCC) 并阻断 HER2 下游信号传导,大大提高了 HER2 过表达癌症患者的生存率 (8, 9)。根据 III 期曲妥珠单抗治疗胃癌 (ToGA) 试验的结果 (2),顺铂/氟嘧啶加曲妥珠单抗已成为 HER2 过表达晚期胃癌患者的标准一线治疗 (2)。然而,尽管治疗性 mAb 取得了巨大成功,但由于缺乏免疫记忆诱导 (10) 而需要长时间频繁给药,以及诱发毒性 (11) 和经济不便 (12),这些都是明显的缺点。此外,曲妥珠单抗的耐药性限制了其治疗效果(13)。相反,主动免疫治疗类别中的抗癌疫苗会激活宿主免疫系统并导致免疫记忆的形成(14,15)。
摘要 人工智能 (AI) 工具在学术环境中的整合彻底改变了全球的教学过程。不可否认,这项技术也为英语作为第二语言 (ESL) 学生完成学术写作任务提供了无限的可能性。这种习俗在马来西亚高等教育学生中尤为普遍,因为在当前教育系统中实施混合式学习时,技术融入是必须的。然而,过度依赖这些人工智能工具可能会损害学生的学术诚信、创造力,尤其是他们的批判性思维能力。本文探讨了马来西亚高等教育背景下学术写作任务过度依赖人工智能工具的现象。本研究调查了马来西亚本科生在完成以英语为第二语言的学术写作作业时使用人工智能技术的模式。我们还进行了定性访谈,以了解参与者对相关人工智能技术的观点、使用所选人工智能工具的原因以及使用人工智能工具完成学术写作任务的相关问题。研究结果显示,马来西亚本科生深切选择了与翻译目的、英语写作内容生成提示、英语拼写和语法检查以及抄袭检测相关的人工智能工具。这种过度依赖是由于与技术易用性、写作技能缺乏、学生学业压力和 ESL 水平较弱等因素有关。本研究建议教育工作者干预和指导学生使用人工智能工具,以便他们能够结合批判性思维技能并负责任地诚信使用现有技术。 关键词:人工智能 (AI) 工具、ESL(英语作为第二语言)、学术写作。 1. 简介 人工智能 (AI) 工具与学术写作任务的整合已成为教育环境中的一种变革趋势。参与教育环境的人:学习者和教师受益于这些人工智能工具,它们提供了一系列旨在增强写作和作文过程各个方面的功能。借助正确的人工智能工具,包括起草、编辑、引用管理和抄袭检测在内的作文进程变得更加容易。这些人工智能工具集成了人工智能技术、机器学习算法和自然语言处理 (NLP),为生成内容、管理引文、分析语法、检测抄袭和分析写作风格等任务提供计算机化协助。大学生对各种人工智能写作工具的使用日益增多:自动写作评估工具、提供自动纠正反馈的工具、人工智能机器翻译器、和 GPT-3 文本生成器大多是典型选项 (Alharbi, 2023)。在马来西亚高等教育中,在线资源和人工智能工具(如 Google Translate、ChatGPT、Grammarly、Turnitin、QuillBot 和 Wordtune)已被广泛利用,尤其是在完成英语学术写作任务时。尽管使用人工智能写作平台存在隐私和安全风险,但时间限制和语言技能有限等因素导致高等教育学生对人工智能工具的依赖性增加。提供语法、标点和风格问题实时反馈的人工智能写作工具可以大大提高第二语言学习者的写作质量,然而,学术界抄袭的倾向相当高 (Roe et al., 2023)。学生声称,使用人工智能工具增强了他们的信心,因为它提供了更好的写作结果;特别是在他们的语法、标点和风格方面。一项关于技术介导学习和
收到日期 2024 年 2 月 16 日 接受日期:2024 年 7 月 18 日 发表日期:2024 年 7 月 28 日 摘要 生活各个方面的技术进步导致人工智能融入教育实践。学生对人工智能辅助工具的使用在学术环境中变得更加重要,这形成了一系列积极和消极的观点。本研究探讨了人工智能辅助工具对学生整体个人和学业成绩的影响。因此,这篇文章意义重大,因为它评估了摩洛哥高中生如何使用人工智能辅助工具来解决他们的家庭作业。该研究试图回答这些学生在多大程度上依赖这些工具,并研究教师对人工智能给课堂带来的这些不断变化的影响的态度和担忧。本研究采用混合方法实现研究目标,同时采用定量和定性方法。因此,研究结果表明,学生严重依赖人工智能来完成日常家庭作业任务,这阻碍了他们的学习过程和技能习得。这些研究结果为政策制定者、家长、教育工作者和学习者提供了几项建议,要求他们意识到过度使用人工智能辅助工具对学生学习成果的不利影响。关键词:学业成绩、人工智能、辅助工具、过度依赖、高中生、家庭作业、个人发展 引用为:Tamimi, J., Addichane, F., & Madani, S. A.(2024).评估人工智能家庭作业辅助工具对高中生学业成绩和个人发展的影响。阿拉伯世界英语杂志 (AWEJ) CALL 特刊 (10)。36-42。 https://dx.doi.org/10.24093/awej/call10.3
他们汇集了一群8至26岁之间的视觉障碍儿童和年轻人,并要求他们识别图像中的物体 - 一棵树,公共汽车,鸡,一堆书等。- 首先在灰度中,然后是颜色。在另一项测试中,他们要求小组确定提交给它们的两个圆盘中的哪个具有更轻的色调,而研究人员调整了颜色。
(第三届学术研究前沿国际会议 ICFAR 2024,2024 年 6 月 15-16 日)ATIF/参考:Karimi, MU、Abubakar, SM、Mustafa, SJ 和 Ahmad, B.(2024 年)。人工智能和机器学习算法简介:综述。国际先进自然科学与工程研究杂志,8(5),30-34。摘要——本文广泛概述了人工智能 (AI) 和机器学习 (ML) 算法及其跨学科性质以彻底改变任何领域,讨论了它们的发展、基础、应用和挑战。人工智能和机器学习技术已经彻底改变了各个行业,推动了各个领域的创新和效率。本文探讨了人工智能和机器学习的多学科性质,强调了它们在分析大数据集、做出预测和自动化决策过程方面的重要性。它追溯了人工智能的历史里程碑,从艾伦图灵的开创性工作到深度学习和神经网络的兴起。本文介绍了机器学习算法的基础知识,包括监督学习、无监督学习和强化学习,以及它们在医疗保健、金融、工程、交通和电子商务中的实际应用。此外,本文还讨论了人工智能和机器学习技术面临的关键挑战,例如不确定性、算法选择复杂性和过度拟合,强调了持续研究和跨学科合作在应对这些挑战方面的重要性。本文的最终目标是加强人工智能和机器学习技术在塑造智能人工智能和机器学习驱动系统和智能社会的未来方面的范式改变潜力。
人工智能对选定的尼日利亚大学本科生的语言和交流影响 Nelson Ewere Atoi* https://dx.doi.org/10.4314/ujah.v25i1.5 摘要 近年来,人工智能的出现对人类的语言和交流产生了巨大的影响。它涉及开发计算机程序来完成原本需要人类智能的任务。因此,本研究调查了人工智能对选定的尼日利亚大学本科生的英语使用和沟通技巧的影响。问卷是根据五点评分量表设计的,并与来自尼日利亚大学恩苏卡分校和尼日利亚大学埃努古校区的一百五十名受访者分享。这些学生是随机抽样的,因为这些学生是在没有任何特定选择的情况下被选中的。通过在线调查猴子收集的所有答案都经过分类和定性和定量分析。本研究采用阿尔伯特·班杜拉 (Albert Bandura) (1977) 的社会学习理论作为理论框架。研究结果表明,人工智能对尼日利亚本科生的语言和交流产生了积极和消极的影响,其中包括:词汇量和语法的提高,以及英语词汇量发展对人工智能技术的过度依赖。
摘要:热带气旋(TCS)中发现的极端降雨是许多低至中间区域中人类生命和财产的风险。风险评估和预测中TC降雨的概率建模在计算上可能很昂贵,并且现有模型在很大程度上无法建模关键的降雨不对称,例如雨带和室外过渡。在这里,开发了一个基于机器的框架,以模拟北大西洋盆地的水上TC降雨。首先,使用天气研究和预测(WRF)模型组装了26个历史事件的高分辨率TC降水模拟目录。然后,通过主成分分析(PCA)分解了这些历史事件的降雨的模拟空间分布,对分数回归森林(QRF)模型进行了训练,以预测最初的五个主成分(PC)权重的条件分布。使用历史卫星数据和QRF模型分别估算了雨比率水平的条件分布。使用这些模型,可以鉴于一组风暴特征和局部环境条件,可以对降雨图的概率预测进行。与卫星观测值相比,该模型能够捕获风暴总降雨量,其相关系数为0.96,R 2值为0.93。此外,与卫星观测值相比,该模型在对小时总降雨进行建模方面表现出良好的准确性。降雨比率图还与历史卫星观测值和交叉验证期间的WRF模拟进行了比较,估计值的空间分布捕获了与TC雨带,波数不对称的降雨可变性,可能是红色的不对称和可能是红外的转变。