XiaoMi-AI文件搜索系统
World File Search System题库
高级人员专业学徒标准的终点评估计划
独立评估者必须使用问题库作为询问的来源，并有望使用其专业判断来适当地量身定制这些问题。独立评估者将至少提出10个问题，并可能出于澄清目的提出进一步的问题，并允许学徒有机会覆盖映射到此评估方法的KSB。学徒和独立评估员将在整个专业讨论中访问自己的投资组合副本，并且可以根据需要提及它；但是，没有直接评估证据投资组合。必须开发和培训独立的评估者，以进行专业讨论的进行，如何通过审查投资组合内容来设计自己的问题，并通过其EPAO做出一致的判断。独立评估员将记录学徒对问题的回答。专业讨论应分级失败，通过或区分。投资组合是专业讨论的基础，不会评估或分级。独立评估者必须使用评分标准分配等级。
社会文化观点和疫苗错误信息对佐治亚南方大学选定学生样本中接种新冠疫苗意愿的影响
本研究旨在探索社会文化因素对接种 Covid-19 疫苗意愿的影响，并衡量哪个社会文化因素对佐治亚南方大学学生的疫苗接种意愿影响更大：疫苗错误信息或特定文化信仰（宗教和/或文化习俗）。研究人员通过匿名探索性调查收集了两组选定学生的这些构想信息：一组学生在参加调查前已接种疫苗，另一组学生在参加调查前未接种疫苗。研究对象是佐治亚南方大学建平公共卫生学院的本科生、硕士生和博士生；佐治亚南方大学是一所位于美国东南部的中型大学。调查问题以电子方式进行，并使用疾病控制中心和世界卫生组织的调查问题库进行设计。总共进行了 73 次调查，但其中 61 次调查已全部完成（N= 61）。结果显示，大多数学生（N=56）都接种了疫苗。对于未接种疫苗的人群（N=5），宗教反对是导致疫苗接种率较低的社会文化因素。没有证据表明错误信息是导致疫苗接种率较低的因素。
朝着以人为本的AI管理
作为由人工智能提供支持的算法（AI）越来越多地参与了组织的管理，当机器能够对人类获得权力时，必须进行以人为本的AI管理研究并了解人们的感受和行为。两种主流方法 - 小插图研究和案例研究 - 揭示了重要但不一致的见解。在这里，我们讨论了小插图研究的局限性（情感预测错误，有偏见的媒体覆盖范围和问题替代）和案例研究（社会可取性偏见以及缺乏随机分配和控制条件），这可能会导致他们分别对AI管理的负面和积极的反应过高。我们进一步讨论了减轻这些局限性的第三种方法的优势：众包市场上的现场实验。一项关于亚马逊机械土耳其人（MTURK；作为世界领先的众包平台）的概念证明研究表明，人类对AI管理的反应独特，与Vignette或案例研究中的AI管理不完全一致。参与者（n = 504）在AI与人类管理方面没有显着差异，在绩效，内在动机，公平感知和承诺方面。我们建议，众包的Mar Ketplaces可以超越人类的研究主题库，并成为AI管理的工作场所的模型，促进及时的行为研究以及对以人为中心的工作设计和组织的强大预测。
菲律宾儿科传染病学会杂志第 21 卷第 1 期页。 2020 年 1 月至 6 月 26-36 Flowers VA、Arroyo KZ、Abbot L 和 Alinea MC。瓦尔
原始文章 对菲律宾语翻译的“父母对儿童疫苗态度”问卷的验证 摘要 目标：确定菲律宾语翻译的“父母对儿童疫苗态度”问卷的内容效度和重测信度。 方法：研究招募了菲律宾总医院儿科门诊、儿科急诊室和儿科病房就诊患者的符合条件的父母。原始调查工具由菲律宾卫生和公共服务中心翻译成菲律宾语。由四位疫苗接种领域专家组成的焦点小组根据相关性对问卷中每一项的内容进行评分。然后招募了 10 名讲菲律宾语的参与者来检查其表面效度。然后对 67 名讲菲律宾语的参与者进行测试，以检查其重测信度。结果：该问卷的总体项目内容效度指数计算为 0.95。所有项目在清晰度和简单性方面均获得 100% 的评分。较高的组内相关系数 0.970 支持该工具的重测信度。然而，该测试的 Cronbach's α 系数较低，为 0.687，如果从问题库中移除一个项目，该系数可提高到 0.711。结论：菲律宾语版《父母对儿童疫苗态度问卷》具有表面效度和内容效度，内部一致性可接受。这可以作为未来疫苗犹豫研究的框架。关键词：免疫、疫苗接种、问卷、菲律宾语
认可电力推进课程 1 (AEPC1) 指南
3.1 经确认，由于小型船舶领域的电池技术、电子设备和电力驱动装置的日益复杂，需要进一步培训船员使用电池和相关系统。因此，决定设计新的 MCA 课程标准，与认可发动机课程 1 和 2（AEC1 和 AEC2）并行。3.2 AEPC1 工作组、MCA、新批准的培训提供商和其他商定的利益相关者将在课程实施后每六个月举行一次会议，以审查可能出现的任何未来技术、课程的成功、需要添加到问题库的任何新问题以及任何其他相关讨论主题。会议频率可能会根据行业发展/要求而发生变化，具体情况由工作组主席、成员和 MCA 首席考官商定。3.3 《STCW 公约》第 IX 条允许主管部门针对特殊类型的船舶和行业采用其他教育和培训安排。 MCA 已利用这种替代安排为在小型船舶上工作的工程师创建证书结构。3.4 MSN 1904 概述了希望在“小型船舶”（渔船、游艇、拖船、工作船、待命船、地震调查船、海洋研究船和政府巡逻船）上工作的工程师的认证结构和考试及培训要求。它还解释了有关实施适用培训要素的监管要求。3.5 本文件包括为船上服务提供培训课程的开发标准。
朝着以人为本的AI管理
作为由人工智能提供支持的算法（AI）越来越多地参与了组织的管理，当机器能够对人类获得权力时，必须进行以人为本的AI管理研究并了解人们的感受和行为。两种主流方法 - 小插图研究和案例研究 - 揭示了重要但不一致的见解。在这里，我们讨论了小插图研究的局限性（情感预测错误，有偏见的媒体覆盖范围和问题替代）和案例研究（社会可取性偏见以及缺乏随机分配和控制条件），这可能会导致他们分别对AI管理的负面和积极的反应过高。我们进一步讨论了减轻这些局限性的第三种方法的优势：众包市场上的现场实验。一项关于亚马逊机械土耳其人（MTURK；作为世界领先的众包平台）的概念证明研究表明，人类对AI管理的反应独特，与Vignette或案例研究中的AI管理不完全一致。参与者（n = 504）在AI与人类管理方面没有显着差异，在绩效，内在动机，公平感知和承诺方面。我们建议，众包的Mar Ketplaces可以超越人类的研究主题库，并成为AI管理的工作场所的模型，促进及时的行为研究以及对以人为中心的工作设计和组织的强大预测。
以下是一些支持在家学习的网站。该列表并不详尽，还有其他网站可供选择，这些网站的主题可能
以下是一些支持在家学习的网站。此列表并不详尽，其他科目可能已经使用过的网站也可用。https://studyrocket.co.uk/ Study Rocket 可帮助您从 AQA、Edexcel、OCR 中找到正确的复习内容。只需从数千个免费的 A-level 和 GCSE 课程中进行选择即可。https://app.senecalearning.com/courses?Price=Free 帮助 2,500,000 多名学生更快地学习和更好地记忆。我们的家庭作业和复习平台应用认知神经科学，使学习更高效、更愉快。https://getrevising.co.uk/ Get Revising 可以帮助您备考。功能包括独特的复习时间表创建器、交互式复习 https://www.s-cool.co.uk/ 为学生提供免费复习网站，提供复习指南、题库、复习时间表等 https://quizlet.com/ 为学生提供分享学习笔记和抽认卡的出色社区网站 https://www.khanacademy.org/signup 数学、科学、经济学、计算机编程和历史的视频教程和测试 https//www.sparknotes.com/ 探索英国文学文本，观看视频摘要，并学习许多其他科目 https://www.sparknotes.com/shakespeare 将原始文本与现代翻译并排放置，帮助您了解故事并随时翻译新单词。 http://www.bbc.co.uk/scotland/brainsmart/success/ 需要快速学习休息一下？为什么不通过玩 BBC Brain Smart 的游戏来保持高效并唤醒您的大脑呢。
可解释的人工智能：方法研究...
作为人工智能（AI）模型，尤其是深层神经网络，在各个领域都取得了成功，因此对它们的可解释性产生了关注。这些“黑匣子”模型通常会不透明地运行，因此很难理解其推理。缺乏解释性提出了可信赖，问责制和道德规范的问题，尤其是在医疗保健，金融和刑事司法等关键领域。本论文构成可解释的AI（XAI）作为一个跨学科领域，以应对技术，埃斯特尔，法律和设计挑战。提出了XAI方法的分类法，将其分类为可解释的模型，模型不合时宜的工具，特定于模型的工具，神经符号方法和可解释的生成AI（GenXAI）的可解释工具。诸如Shapley值，石灰和综合梯度之类的工具，并特别注意神经符号AI通过符号促进来增强神经网络可解释性的潜力。针对大型语言模型（LLM）的新兴XAI技术，例如检索增强生成（RAG）和代理抹布，以其能够获得可怜性和透明度的能力而探索。总结了这些工具的概述，其中根据定义的分类法和功能对每种方法进行分类。论文还探讨了用户体验（UX）的注意事项，重点关注具有可理解解释需求的数字系统的不同角色。XAI问题库是对库的研究，将各种问题，深度水平与量身定制的XAI工具相结合。法律和道德考虑，重点介绍了欧盟的GDPR和AI法案等法规，以及XAI如何支持合规性。最后，用于心脏病预测和解释的医疗保健领域中的石灰和抹布的经验表明了XAI的实际应用，展示了其在高风险场景中提高透明度和决策制定的能力。
教育中的生成式人工智能 - 评分方案 - AQA
辅助考试可与更传统的考试相媲美。当然，这需要公众对基础方法的高度信任。AQA 位于米尔顿凯恩斯的试卷处理中心每年夏天都会扫描数百万份试卷并将其发送给考官。从长远来看，人工智能可以在这方面发挥作用。高风险考试不会由机器人评分。但我们可以想象未来，专业考官和教师将使用人工智能工具来帮助他们更轻松地完成工作，并专注于真正重要的事情。无处不在的数字设备和快速发展的人工智能能力的结合将改变教师的教学内容、教学方式以及授奖机构评估年轻人的方式。您使用这些工具的结果是什么，包括任何影响？人工智能显然有助于减轻教师的工作量，这对于改善教师招聘和留任至关重要。正如我们的外部事务主管 Reza Schwitzer 在 5 月 12 日的《学校周刊》专栏中引用教育基金会的一份报告所指出的那样（国务卿支持使用人工智能减轻教师工作量是正确的），评分是造成不可持续工作量的最大因素，并且“人工智能可用于自动化简单的评分过程，并提供更好或更快的反馈和信息”。在这种情况下，人工智能将协助教师而不是取代他们所做的工作；并且评分和制定评估。我们发现人工智能工具目前在生成可靠的考试问题或对需要学生提供更全面和详细答案的问题的答案进行评分方面受到限制。但人工智能有可能在以不同模式运行的评估项目中发挥作用，即从大型题库中提取（相对模板化的）项目，以不需要人工评分的形式（多项选择题或事实性回答）交给学生；目前许多专业资格评估都是这样进行的。我们发现，将人工智能应用于形成性评估产品的项目生成（在适当的人为质量控制和监督下）有一定的空间，这些产品可以以个性化的方式与学习者互动，以帮助改善他们的学习成果，前提是这些产品在教育上设计得很好。它们还可用于支持教师的课堂实践。这表明人工智能需要进一步改进，以便在课堂和更广泛的教育中提供全面的现实世界积极影响。
![arXiv:2109.02202v1 [cs.AI] 2021 年 9 月 6 日](/simg/5\55baf6cb57275ce7df25ca5c5de85c262f57827f.png)
arXiv:2109.02202v1 [cs.AI] 2021 年 9 月 6 日
[1] Kimberly D Acquaviva 和 Matthew Mintz。2010 年。《观点：我们是否在教授种族定性？病例陈述中主观判定种族和族裔的危险》。《学术医学》85，4（2010），702-705。[2] Sarah E Ali-Khan、Tomasz Krakowski、Rabia Tahir 和 Abdallah S Daar。2011 年。《种族、族裔和血统在人类遗传研究中的应用》。《HUGO 杂志》5，1（2011），47-63。[3] Dwayne T Brandon、Lydia A Isaac 和 Thomas A LaVeist。2005 年。《塔斯基吉的遗产和对医疗保健的信任：塔斯基吉是否要为对医疗保健的不信任中的种族差异负责？ 《国家医学会杂志》 97, 7 (2005), 951。[4] Lundy Braun、Anne Fausto-Sterling、Duana Fullwiley、Evelynn M Hammonds、Alondra Nelson、William Quivers、Susan M Reverby 和 Alexandra E Shields。2007 年。《医疗实践中的种族类别：它们有多大用处？》PLoS 医学 4, 9 (2007)，e271。[5] Asif Doja、M Dylan Bould、Chantalle Clarkin、Kaylee Eady、Stephanie Sutherland 和 Hilary Writer。2016 年。《整个培训过程中的隐性和非正规课程：一项横断面定性研究》。《医学教师》 38, 4 (2016)，410–418。[6] Keisa Fallin-Bennett。 2015. 医学界对性少数群体的隐性偏见：职业影响的周期和隐性课程的作用。《学术医学》90，5（2015），549–552。[7] Chloë FitzGerald 和 Samia Hurst。2017. 医疗专业人士的隐性偏见：系统评价。《BMC 医学伦理》18，1（2017），1–18。[8] Linda M Hunt、Nicole D Truesdell 和 Meta J Kreiner。2013. 临床护理中的基因、种族和文化：慢性病管理中的种族定性。《医学人类学季刊》27，2（2013），253–271。[9] J Jaiswal、C LoSchiavo 和 DC Perlman。 2020. 新冠疫情期间的虚假信息、错误信息和不平等驱动的不信任：艾滋病否认主义未吸取的教训。《艾滋病与行为》第 24 卷 (2020)，第 2776–2780 页。[10] Myungha Jang、Shiri Dori-Hacohen 和 James Allan。2017. 群体内部的建模争议。ACM SIGIR 信息检索理论国际会议论文集（荷兰阿姆斯特丹）。计算机协会，美国纽约州纽约，第 141–149 页。https://doi.org/10.1145/3121050.3121067 ICTIR '17。[11] Reena Karani、Lara Varpio、Win May、Tanya Horsley、John Chenault、Karen Hughes Miller 和 Bridget O'Brien。 2017. 评论：卫生职业教育中的种族主义和偏见：教育工作者、教师开发人员和研究人员如何发挥作用。《学术医学》92，11S（2017），S1-S6。[12] Tao Le、Vikas Bhushan、Matthew Sochat、Kimberly Kallianos、Yash Chavda、Andrew Harrison Zureick 和 Mehboob Kalani。2018. 2018 年 USMLE Step 1 急救指南。麦格劳-希尔医学。[13] Heidi Lempp 和 Clive Seale。2004. 本科医学教育中的隐性课程：医学生对教学看法的定性研究。Bmj 329，7469（2004），770-773。[14] J. Madara。2020。美国的医疗危机比新冠肺炎更为严重。https://www.ama-assn.org/about/leadership/america-s-health-care-crisis-much-deeper-covid [15] Maria Athina Tina Martimianakis、Barret Michalec、Justin Lam、Carrie Cartmill、Janelle S Taylor 和 Frederic W Hafferty。2015 年。人文主义、隐性课程和教育改革：范围审查和主题分析。Academic Medicine 90, 11 (2015)，S5–S13。[16] Sandra G Mayson。2018 年。偏见进，偏见出。YAle lJ 128 (2018)，2218。[17] Jonathan M Metzl 和 Dorothy E Roberts。2019 年。结构性能力与结构性种族主义相遇：种族、政治和医学知识结构。在《社会医学读本》第二卷第三版中。杜克大学出版社，170-187。 [18] Long H. Nguyen、Amit D. Joshi、David A. Drew、Jordi Merino、Wenjie Ma、Chun-Han Lo、Sohee Kwon、Kai Wang、Mark S. Graham、Lorenzo Polidori、CristinaMenni、Carole H. Sudre、Adjoa Anyane-Yeboa、Christina M. Astley、Erica T. Warner、ChristinaY。 Hu、Somesh Selvachandran、RichardDavies、Denis Nash、Paul W. Franks、Jonathan Wolf、Sebastien Ourselin、Claire J. Steves、Tim D. Spector、Andrew T. Chan 并代表 COPE 联盟。 2021。COVID-19 疫苗犹豫和使用方面的种族和民族差异。 medRxiv (2021)。 https://doi.org/10.1101/2021.02.25.21252402 arXiv:https://www.medrxiv.org/content/early/2021/02/28/2021.02.25.21252402.full.pdf [19] Anne Pollock。2012. 4. 超越基因决定论的奴隶制假说。在《药物治疗种族》中。杜克大学出版社，107–130。 [20] Amit Prasad。2021. 反科学的错误信息和阴谋：COVID-19、后真相和科学与技术研究（STS）。科学、技术与社会 (2021)。https://doi.org/10.1177/09717218211003413 [21] Kelsey Ripp 和 Lundy Braun。 2017。医学教育中的种族/民族：美国医师执照考试第一步问题库分析。医学教学与学习 29, 2 (2017)，115–122。[22] Angela Saini。2019。优越性：种族科学的回归。Beacon Press。[23] Jennifer Tsai、Laura Ucik、Nell Baldwin、Christopher Hasslinger 和 Paul George。2016。种族问题？审视和重新思考临床前医学教育中的种族形象。学术医学 91, 7 (2016)，916–920。[18] Long H. Nguyen、Amit D. Joshi、David A. Drew、Jordi Merino、Wenjie Ma、Chun-Han Lo、Sohee Kwon、Kai Wang、Mark S. Graham、Lorenzo Polidori、CristinaMenni、Carole H. Sudre、Adjoa Anyane-Yeboa、Christina M. Astley、Erica T. Warner、ChristinaY. Hu、Somesh Selvachandran、RichardDavies、Denis Nash、Paul W. Franks、Jonathan Wolf、Sebastien Ourselin、Claire J. Steves、Tim D. Spector、Andrew T. Chan 以及 COPE 联盟代表。2021 年。COVID-19 疫苗犹豫和接种中的种族和族裔差异。medRxiv (2021)。 https://doi.org/10.1101/2021.02.25.21252402 arXiv:https://www.medrxiv.org/content/early/2021/02/28/2021.02.25.21252402.full.pdf [19] Anne Pollock。2012. 4. 超越基因决定论的奴隶制假说。在《药物治疗种族》中。杜克大学出版社，107–130。 [20] Amit Prasad。2021. 反科学的错误信息和阴谋：COVID-19、后真相和科学与技术研究（STS）。科学、技术与社会 (2021)。https://doi.org/10.1177/09717218211003413 [21] Kelsey Ripp 和 Lundy Braun。 2017。医学教育中的种族/民族：美国医师执照考试第一步问题库分析。医学教学与学习 29, 2 (2017)，115–122。[22] Angela Saini。2019。优越性：种族科学的回归。Beacon Press。[23] Jennifer Tsai、Laura Ucik、Nell Baldwin、Christopher Hasslinger 和 Paul George。2016。种族问题？审视和重新思考临床前医学教育中的种族形象。学术医学 91, 7 (2016)，916–920。[18] Long H. Nguyen、Amit D. Joshi、David A. Drew、Jordi Merino、Wenjie Ma、Chun-Han Lo、Sohee Kwon、Kai Wang、Mark S. Graham、Lorenzo Polidori、CristinaMenni、Carole H. Sudre、Adjoa Anyane-Yeboa、Christina M. Astley、Erica T. Warner、ChristinaY. Hu、Somesh Selvachandran、RichardDavies、Denis Nash、Paul W. Franks、Jonathan Wolf、Sebastien Ourselin、Claire J. Steves、Tim D. Spector、Andrew T. Chan 以及 COPE 联盟代表。2021 年。COVID-19 疫苗犹豫和接种中的种族和族裔差异。medRxiv (2021)。 https://doi.org/10.1101/2021.02.25.21252402 arXiv:https://www.medrxiv.org/content/early/2021/02/28/2021.02.25.21252402.full.pdf [19] Anne Pollock。2012. 4. 超越基因决定论的奴隶制假说。在《药物治疗种族》中。杜克大学出版社，107–130。 [20] Amit Prasad。2021. 反科学的错误信息和阴谋：COVID-19、后真相和科学与技术研究（STS）。科学、技术与社会 (2021)。https://doi.org/10.1177/09717218211003413 [21] Kelsey Ripp 和 Lundy Braun。 2017。医学教育中的种族/民族：美国医师执照考试第一步问题库分析。医学教学与学习 29, 2 (2017)，115–122。[22] Angela Saini。2019。优越性：种族科学的回归。Beacon Press。[23] Jennifer Tsai、Laura Ucik、Nell Baldwin、Christopher Hasslinger 和 Paul George。2016。种族问题？审视和重新思考临床前医学教育中的种族形象。学术医学 91, 7 (2016)，916–920。种族问题？审视并重新思考临床前医学教育中的种族描述。《学术医学》91，7（2016），916–920。种族问题？审视并重新思考临床前医学教育中的种族描述。《学术医学》91，7（2016），916–920。