XiaoMi-AI文件搜索系统
World File Search System馆员
什么是好的搜索引擎？
本文研究了一个道德问题：“什么是好的搜索引擎？”由于搜索引擎是全球在线信息的守门人，因此他们在道德上做得很好。虽然互联网已有数十年历史了，但从跨学科角度来看，该主题仍未探索。本文提出了一种基于角色的新型方法，涉及四种搜索引擎行为类型的道德模型：客户仆人，图书馆员，记者和老师。它参考了信息检索的研究领域探索这些道德模型，并通过涉及COVID-19的全球大流行的案例研究。它还从搜索引擎开发的历史上，从1990年代的较早的努力到最近的大型基于语言模型的对话信息寻求系统的最新前景来反映出四种道德模型，从而扮演了诸如Google之类的既定网络搜索引擎的作用。最后，本文概述了考虑到现在和未来的法规以及对搜索引擎继续发展的考虑的考虑。本文应兴趣信息检索研究人员和对搜索引擎伦理感兴趣的其他人。
程序
[会议 1] 区域合作和韩国研究的当前趋势 [主席] Robert Matthew OPPENHEIM KF-POSCO 教授，德克萨斯大学奥斯汀分校 [特别演讲 1：通过 KF 全球电子学校创建区域网络] • Nojin KWAK 纽约州立大学布法罗分校国际教育副教务长、传播学教授 [特别演讲 2：KF 全球电子学校和当代韩国] • Jiyoun AN 庆熙大学国际关系学院教授 [特别演讲 3：韩国研究和图书馆资源 • Anna L. SHPARBERG 莱斯大学 Fondren 图书馆人文图书馆员 [小组成员] • Bridget MARTIN 密西西比大学人类学教授 • Seongbae LIM 圣玛丽大学信息系统教授 • Hoi-eun KIM 德克萨斯 A&M 大学德国/韩国/日本历史教授 • Jaymin KIM 莱斯大学跨国亚洲研究教授 • Sheena CHESTNUT GREITENS LBJ 副教授德克萨斯大学奥斯汀分校公共事务学院
心率变异性生物反馈以减少自闭症谱系障碍的焦虑 - 迷你审查
据报道，自闭症谱系障碍患者的焦虑症患病率很高。这项迷你评论评估了现有的研究研究心率变异性生物反馈，以帮助管理自闭症患者焦虑症的症状。对电子数据库进行了彻底的搜索，以发现相关文献。与专家和图书馆员进行协商，帮助在PICO框架之后开发了搜索词。搜索了五个数据库，并使用Covidence软件进行了筛选，并在Prisma Folchart中概述了该过程。最新的评论显示出积极的短期影响，但需要长期随访。未来的调查应考虑设备类型，培训设置和控制干预措施。与生物反馈设备无关的准确心率变异性评估至关重要。建议对皮质醇评估和用户反馈等其他措施进行全面评估。发现重点介绍了证据基础的进步，并为未来的方向提供了见解。
高级前列腺癌：AUA/ASTRO/SUO指南i
材料和方法用于告知该指南的系统审查是由独立方法论顾问进行的。一名研究图书馆员在OVID MEDLINE（1998年至2019年1月5日），Cochrane Central对照试验登记册（至2018年12月）和系统评论Cochrane数据库（2005年至2019年2月6日）进行了搜索。在2020年1月20日发布之前进行了更新的搜索。方法团队补充了对电子数据库的搜索，并通过先前的AUA审查中包含的研究以及审查相关文章的参考列表。结果，晚期前列腺癌小组创建了基于证据和共识的指南陈述，以帮助临床医生管理晚期前列腺癌患者的管理。此类陈述总结在图1中，并在本文中进行详细说明。结论本指南试图提高临床医生治疗诊断为晚期前列腺癌的患者的能力。继续研究和发表来自未来试验的高质量证据对于提高这些患者的护理水平至关重要。
充分利用人工智能和大型语言模型来支持健康科学图书馆的收集开发
该项目调查了生成AI模型在协助健康科学图书馆员进行收集开发方面的潜力。Chapman大学的Harry和Diane Rinker Health Science Campus的研究人员评估了四种生成AI模型，即Chatgpt 4.0，Google Gemini，Perpelxity和Microsoft Copilot-从2024年3月开始六个月。使用了两个提示：一个是在特定的健康科学领域生成最新的电子书标题，另一个用于确定现有收藏中的主题差距。第一个提示揭示了跨模型的不一致之处，副驾驶和困惑提供了来源，也提供了不准确性。第二提示得出了更有用的结果，所有模型均提供有用的分析和准确的国会电话号码库。这些发现表明，由于不准确和幻觉，大型语言模型（LLM）尚未作为收集开发的主要工具可靠。但是，它们可以用作分析主题覆盖范围并确定健康科学收集差距的补充工具。
补充叶酸以防止神经管缺陷
作者感谢以下个人对该项目的贡献：MD，MPH，AHRQ医疗官员Justin Mills；蒂娜·范（Tina Fan），医学博士，MPH，曾任副科学总监和医学博士Tracy Wolff，MPH，AHRQ科学总监，美国预防服务工作组（USPSTF）计划； USPSTF的现任和前任成员；犹他大学的外部同伴评论家南希·罗斯（Nancy Rose）医学博士；哈佛大学的Jorge Chavarro医学博士，SCD；以及医学博士Kimberly Gregory，MPH，Cedars-Sinai Medical Center；联邦合作伙伴审查员（国立卫生研究院疾病控制与预防中心）； RTI国际 - 北卡罗来纳州EPC工作人员：Christiane Voisin，MSLS，研究图书馆员； Roberta Wines，MPH和Carol Woodell，BSPH，现任和前EPC计划经理； Nila Sathe，MA，MLIS，质量保证；马萨诸塞州沙龙·巴雷尔（Sharon Barrell），编辑；和Teyonna Downing，出版物专家。
充分利用人工智能和大型语言模型来支持健康科学图书馆的收集开发
该项目调查了生成AI模型在协助健康科学图书馆员进行收集开发方面的潜力。Chapman大学的Harry和Diane Rinker Health Science Campus的研究人员评估了四种生成AI模型，即Chatgpt 4.0，Google Gemini，Perpelxity和Microsoft Copilot-从2024年3月开始六个月。使用了两个提示：一个是在特定的健康科学领域生成最新的电子书标题，另一个用于确定现有收藏中的主题差距。第一个提示揭示了跨模型的不一致之处，副驾驶和困惑提供了来源，也提供了不准确性。第二提示得出了更有用的结果，所有模型均提供有用的分析和准确的国会电话号码库。这些发现表明，由于不准确和幻觉，大型语言模型（LLM）尚未作为收集开发的主要工具可靠。但是，它们可以用作分析主题覆盖范围并确定健康科学收集差距的补充工具。
信息展望，2009 年 12 月
说到信息的未来，我承认我没有水晶球。我相信它将涉及创造、组合和共享知识的新方法，实现这些目标的新技术，以及持续的学习承诺。但至于信息专业人员的未来，我已经看到了一些不祥之兆。拉尔夫·沃尔多·爱默生说过：“困难时期有科学价值。这些是好的学习者不会错过的时机。”作为好的学习者，我们所有人都应该清楚，全球经济衰退已经永远改变了市场和许多规则。在这些艰难时期，我们学到了什么关于组织如何运作以及图书馆员和信息专业人员如何适应这一过程的知识？我们如何利用这些知识为我们自己、我们的职业和我们所服务的组织建立更美好的未来？首先，我们已经认识到，在工作场所，没有任何人或任何群体是不可或缺的。更难的是，许多组织在没有那些曾经认为其职能太重要而不能裁员的人的情况下仍然成功运作。不可思议的事情发生了——广受赞誉的图书馆和信息中心关闭，备受尊敬的信息专业人员被解雇，但组织仍在继续日常工作。我们可以从这些事件中获得什么“科学价值”？我认为，人们并没有根据职能被视为不可或缺的。
nicomekl小学
1。该地区通过一个包容性的支持团队为NicomeKl提供支持，该团队在Nicomekl度过了学年的前六个星期。2。扫盲委员会成立于2021年10月，并在本学年继续进行。该委员会由教师图书馆员，阅读恢复老师，几个课堂老师和管理员组成。3。已经建立了一个扫盲闪电队，以协调的方式针对特定的学生。团队包括五位ELL教师，阅读恢复老师，一名资源老师和管理人员。4。我们所有员工的所有成员都意识到我们专注于支持学生素养发展，并将扫盲活动纳入与学生的工作。5。与各种地区工作人员进行咨询和合作，以发展支持。6。与三位一体西方教育部门的合作，建立了一种合作伙伴关系，该伙伴关系将支持我们的Nicomekl学习者在识字领域，并为大学生提供有价值的学习。7。Nicomekl获得了Indigo Reading的50,000.00美元赠款，以支持我们的扫盲计划，我们将与Reading Team的热爱一起利用这些资金来增强我们今年的识字资源。
展望未来：将人工智能纳入 MLIS 能力
摘要 摘要长期以来，图书馆对于知识民主化和提供可靠信息至关重要，其服务范围扩大到满足各种社区需求，包括教育计划和互联网接入 (Pawley, 2022; Freudenberger, 2022)。图书馆员作为信息和文化的保管人，拥有信息组织、数字素养和研究技能方面的核心能力。圣何塞州立大学 (SJSU) 信息学院 (iSchool) 旨在通过高质量的教育、研究和技术创新培养对全球社区产生重大影响的专业人士。本文研究了 SJSU iSchool 的图书馆和信息科学硕士 (MLIS) 课程，重点关注其 14 项核心能力的演变，以融入人工智能 (AI) 的进步。随着人工智能改变教育课程和行政流程，需要更新以包括数字素养、人工智能伦理和数据隐私，确保 MLIS 毕业生具备在人工智能整合的未来中领导的能力。通过将这些能力与 iSchool 的战略愿景相结合，本文提供了将人工智能融入现有能力的建议，并确定了潜在的新能力，以有效满足新兴的工作场所需求。