XiaoMi-AI文件搜索系统
World File Search SystemATTITUDES
与NAO机器人教学：老师 - 用户的态度
摘要：拟议的论文批判性地探讨了数字教育工具对教学过程的含义，而不是通过分析欧洲项目Edurob（2016-2018）中博洛尼亚附近三所学校使用NAO机器人的教师的访谈来探讨对学习过程的含义。该工具的使用被认为受整个社会技术环境（“教室”）的影响，其中包括有关数字人工制品的文化假设。因此，我们的假设是，教师在向学生传播对技术的信念和关注方面发挥了关键作用，尤其是如果不能保证所有教师用户的培训课程。作为缺乏培训的关键后果的一个例子，作者强调了“非专家”教师将NAO机器人用作工作助手的倾向。在这些情况下，教师无意间将可能与预期的技术相去甚远。在这里，机器人的角色范围从增强教育的工具到“艺人”。
文章 大学生对人工智能的态度：人工智能态度的认知、情感和行为维度的探索性研究
摘要：人工智能（AI）推动了新的学习模式并改善了教师的工作流程。然而，人们对学术诚信、抄袭和高等教育中批判性思维的减少表示担忧。因此，记录和分析大学社会科学学生对人工智能的态度非常重要，这是以后使用人工智能技术的重要预测因素。选择了来自希腊社会科学系的 190 名大学生（82.45％为女性）作为样本。描述性统计数据显示，学生对人工智能的态度大多是积极的。主成分分析证实了对人工智能态度的三成分解决方案，包括认知、行为和情感维度。对这三个成分的比较分析表明，情感维度排名最高，其次是认知和行为维度。成对相关分析表明，对人工智能的态度中认知、行为和情感成分最强的相关性是未来使用人工智能的频率，其次是对技术的普遍安全感。总之，学生对人工智能表现出更多的情感和认知倾向。学生的社会背景和未来对人工智能的使用在形成对人工智能的态度中起着关键作用。大学教育工作者需要提供更多关于人工智能的教学和学习，以改善学生对人工智能和未来人工智能使用的态度。
不同患者对人工智能（AI）的态度不同 不同患者对人工智能（AI）的态度不同
人工智能 (AI) 有潜力提高诊断准确性。然而，人们往往不愿意信任自动化系统，一些患者群体可能特别不信任。我们试图确定不同的患者群体对使用 AI 诊断工具的看法，以及框架和告知选择是否会影响接受度。为了构建和预测试我们的材料，我们对一组不同的实际患者进行了结构化访谈。然后，我们进行了一项预先注册 (osf.io/9y26x)、随机、盲法的析因设计调查实验。一家调查公司提供了 n = 2675 份回复，对少数群体进行了过度抽样。临床案例被随机分为八个变量，每个变量有两个水平：疾病严重程度（白血病与睡眠呼吸暂停）、AI 是否被证明比人类专家更准确、AI 诊所是否通过倾听和/或量身定制来为患者提供个性化服务、AI 诊所是否避免种族和/或经济偏见、初级保健医生 (PCP) 是否承诺解释和采纳建议，以及 PCP 是否引导患者选择 AI 作为既定的、推荐的和简单的选择。我们的主要结果测量是选择 AI 诊所还是人类医师专科诊所（二元，“AI 采用率”）。我们发现，根据美国人口的权重代表性，受访者几乎平分秋色（52.9% 选择人类医生，47.1% 选择 AI 诊所）。在符合预先登记的参与标准的受访者的未加权实验对比中，PCP 解释 AI 已证明具有卓越的准确性，这增加了接受度 (OR = 1.48，CI 1.24–1.77，p < .001)，PCP 推动 AI 作为既定选择 (OR = 1.25，CI：1.05–1.50，p = .013)，以及保证 AI 诊所有经过培训的咨询师倾听患者的独特观点 (OR = 1.27，CI：1.07–1.52，p = .008)。疾病严重程度 (白血病与睡眠呼吸暂停) 和其他操纵对 AI 的接受度没有显著影响。与白人受访者相比，黑人受访者选择 AI 的频率较低（OR = .73，CI：.55-.96，p = .023），而美洲原住民选择 AI 的频率较高（OR：1.37，CI：1.01-1.87，p = .041）。年长的受访者选择 AI 的可能性较小（OR：.99，CI：.987-.999，p = .03），自认为政治保守的人（OR：.65，CI：.52-.81，p < .001）或认为宗教很重要的人（OR：.64，CI：.52-.77，p < .001）也是如此。教育水平每提高一个单位，选择 AI 提供商的几率就会增加 1.10（OR：1.10，CI：1.03-1.18，p = .004）。虽然许多患者似乎不愿意使用人工智能，但准确的信息、提醒和倾听的患者体验
人工智能与群体：态度和判断力对合作的影响
摘要 我们借鉴团体和团队、社会心理学、信息系统、工程学等领域的研究成果，对人类与人工智能的团队合作进行了理论研究。根据我们的回顾，我们重点关注团队和人工智能领域的两个主要问题。首先，团队总体上对人工智能的看法是正面的还是负面的。第二，使用人工智能的决定是由团队成员自己决定（自愿使用人工智能）还是由高层管理人员或组织中的其他政策制定者强制决定。这两个方面指导我们创建一个团队级概念框架，该框架模拟了人工智能作为团队的强制补充如何对协作水平产生不对称的影响，这取决于团队对人工智能的态度。当团队对人工智能持积极态度时，强制使用的影响会抑制团队中的协作。但当团队对人工智能持消极态度时，强制使用会提升团队协作。我们的模型强调管理的必要性
人工智能素养和对人工智能的态度的确定
本研究旨在确定与天才学生一起工作的教师的人工智能素养水平和对人工智能的态度，并根据一些变量检查结果。这项研究是在 107 名科学与艺术中心 (BİLSEM) 教师的参与下进行的，这些教师是通过便利抽样法选出的。使用人工智能素养量表和对人工智能的一般态度量表收集数据。研究结果表明，教师普遍具有较高的人工智能素养和对人工智能的态度。在性别比较中，发现男教师的人工智能素养和态度高于女教师。年龄、专业经验、在 BİLSEM 的工作时间、教育水平和分支等其他变量对人工智能素养和态度没有显著影响。结果观察到，与天才学生一起工作的教师对人工智能的知识和态度总体上是积极的，但存在性别差异。因此，建议增加教师接受人工智能培训和专业发展的机会，特别是提高女教师对技术的知识和态度。关键词：人工智能、人工智能素养、对人工智能的态度、与天才学生一起工作的教师、BİLSEM
儿童和年轻人对疫苗接种的态度
国家，全国性的年龄和性别代表。父母和孩子收到了有关研究的信息，他们的参与将涉及什么，如何使用数据，如何从研究中退出以及如何抱怨研究。然后，我们获得了父母/照顾者的知情同意，以便他们的孩子参加，然后才要求孩子获得知情同意。儿童如果对研究的主题有任何疑问，就会向信息来源签名。调查是在2022年10月19日至31日之间完成的。使用描述性统计和独立t检验分析结果。报告中的所有引号都是匿名的，来自焦点小组或评论以及调查答复。
生育、基因组学和胚胎研究：公众态度和理解
自 20 世纪 70 年代至今，英国在构建支持生命科学重大进步的政治、立法和监管环境方面一直走在世界各国的前列，这反过来又为个人提供了克服不孕不育和建立家庭的新机会，推动了对基因组力量的突破性研究，并扩大了社会对胚胎研究的理解和接受范围，以改善人类健康。这是一项重要的遗产，尽管必须积极而雄心勃勃地继续下去。征程尚未结束，自满不是一种选择。
美国思想中的气候变化：信仰和态度，跌倒...
●62％的美国人说他们“很少”或“从不”与家人和朋友讨论全球变暖，而38％的人说他们“偶尔”或“经常”这样做。 ●37％的美国人认为，至少对家人和朋友“中等”重要的是，他们采取行动减少全球变暖（禁令规范），而36％的人说他们的家人和朋友至少要“适度的努力”来减少全球变暖（描述性规范）。●47％的美国人说，他们每月一次或更频繁地听到媒体上的全球变暖。很少有人说他们每月一次或更频繁地在社交媒体上听到全球变暖（27％），或者听到他们认识的人每月一次或更频繁地谈论全球变暖（20％）。●65％的美国人说，全球变暖问题“极其”，“非常”，或者“有些”对他们个人很重要，而35％的人说这是“不太太”或“根本不太”的人。●31％的美国人表示，他们已经奖励了正在采取措施减少全球变暖的公司，从而在过去12个月中至少“一次”购买其产品； 26％的人说，他们已经惩罚了反对措施，以减少全球变暖的措施，而不是“一次”购买其产品。
解释对移民的态度：经济因素的作用
摘要在本文中，我们调查了个人对移民经济影响的看法的决定因素。与以前的大多数研究不同，我们使用的是61个国家（联合WVS/EVS 2017-2020数据集）的大量样本，它们是移民的净接收器或净发射者。使用多层次模型，我们测试了个体特征和几个宏观经济变量对移民对发展影响的影响的影响。我们强调，与上下文变量相比，当地人对移民的经济后果的评估更受年龄，信任，教育和收入的影响，例如增长，通货膨胀，不平等，收入水平或该国移民人数。我们的结果与以下假设相吻合：移民被认为是资本丰富国家的低技能工人的替代品。但是，劳动营销和福利国家的考虑都不能被视为对移民经济影响所产生的评估的主要驱动力。我们的结果倾向于确认以下预测，即与移民更大的接触减少了反移民的意见，特别是对于熟练的人。相比之下，免疫力流入导致低技能和中等水平的人对移民的经济后果做出更糟糕的判断。总的来说，我们的结果证明了教育是对移民在经济中至少在高收入国家中所扮演的作用的认知评估的主要部分。
测量大学生对COVID-19疫苗接种
Take Vaccine Withdraw Race (Control=White) Asian American or Pacific Islander 0.067 0.033 -0.062 (0.038) (0.034) (0.034) Black or African American -0.157*** -0.005 -0.097* (0.038) (0.034) (0.034) Latinx or Hispanic -0.068 0.061 -0.053（0.047）（0.042）（0.042）性别（对照=男人）女性-0.150 *** -0.078* 0.056*（0.028）（0.024）（0.024）（0.025）（0.025）非二进制/未披露/未披露0.220 0.220 0.163 -0.281*（0.119）（0.119）（0.119）（0.119）（0.119）（0.119）（0.10 3） -0.054*0.091 ***（0.029）（0.026）（0.026）第一代0.197 *** 0.139 *** 0.029 *** 0.029（0.026）（0.026）（0.026）（0.026（0.026）残疾学生-0.0.0.055 -0.055 -0.048 0.323 *** 0.031） 0.070* -0.000 (0.030) (0.027) (0.027) Instruction Mode (Control=Online) Hybrid -0.011 -0.025 0.031 (0.028) (0.025) (0.025) In-person 0.081 -0.058 -0.057 (0.056) (0.049) (0.050) Student level (Control=four-year) Two-year students -0.007 -0.061* 0.023（0.034）（0.030）（0.030）研究生-0.020 0.059* -0.018