XiaoMi-AI文件搜索系统
World File Search SystemApps
基于人工智能的数字心理健康应用程序：平衡需求和风险
心理健康和幸福感是公共卫生讨论中越来越重要的话题 [1]。COVID-19 大流行进一步揭示了现有心理健康服务中存在的关键差距，因为失业和相应的财务问题、长期身体疾病和死亡以及身体隔离等因素导致心理健康状况急剧上升 [2]。因此，人们对数字心理健康应用的可行性和可取性越来越感兴趣。虽然这些专用应用程序差异很大，从将用户与医疗保健专业人员联系起来的平台到诊断工具再到自我评估，但本文专门探讨了聊天机器人形式的数字心理健康应用的影响 [3]。聊天机器人可以基于文本或语音，可以基于规则（即基于语言学）或基于机器学习 (ML)。它们可以利用非常适合面向任务的交互的对话代理的强大功能，例如 Apple 的 Siri、Amazon 的 Alexa 或 Google Assistant。但聊天机器人开发人员越来越多地利用对话式人工智能 (AI)，这是一套工具和技术，允许计算机
调查人工智能学习移动应用中的用户体验和评估可用性问题：用户评论分析
摘要 — 在现代移动应用程序开发中，集成人工智能 (AI) 已成为至关重要的。然而，目前 AI 在移动学习应用程序中的集成在移动应用程序可用性方面带来了一些挑战。本研究旨在通过分析用户评论来确定支持 AI 的移动学习应用程序的关键可用性问题。我们对教育类别的两组 AI 应用程序（语言学习应用程序和教育支持应用程序）的用户评论进行了定性和内容分析。我们的研究结果表明，虽然用户通常报告积极的体验，但几个与 AI 相关的可用性问题会影响用户的满意度、有效性和效率。这些挑战包括与 AI 相关的功能问题、性能、偏见、解释和无效功能。为了增强用户体验和学习成果，开发人员必须改进 AI 技术并调整学习方法以满足用户的不同需求和偏好，同时解决这些问题。通过克服这些挑战，人工智能驱动的移动学习应用程序可以不断发展，并为用户提供引人入胜且个性化的学习体验。
BP4Apps供应链计划
使用Horus BP4供应链规划，用户或应用程序专家会收到一个易于使用的知识系统，该系统可从Horus Public Cloud获得。Horus知识资源管理器为相关的Oracle应用程序模块提供了全面的业务流程知识。用户的访问是针对目标组的，并且与相应使用的目的有关。这也适用于公司内无价的知识交流的可能性。
业务应用程序入门指南
Apple设备已准备就绪。使用功能强大的内置应用程序，以及在应用商店中的成千上万个用于业务的应用程序，您可以改变工作方式并利用更好的生产力和协作。使用本指南来发现一些可用的商务应用程序，可随时随地在任何地方工作。
正念饮食：应用程序评论
[1] 墨尔本学术正念兴趣小组和墨尔本学术正念兴趣小组。2006 年。基于正念的心理疗法：概念基础、经验证据和实际考虑的回顾。澳大利亚和新西兰精神病学杂志 40，4（2006 年），285-294。[2] Judith Amores、Xavier Benavides 和 Pattie Maes。2016 年。Psychicvr：通过使用虚拟现实和脑机接口提高正念。在 2016 年 CHI 会议论文集上扩展了关于计算系统中人为因素的摘要。2-2。[3] Eshita Sri Arza、Harshitha Kurra、Rohit Ashok Khot 和 Florian'Floyd' Mueller。2018 年。喂食食物怪物！利用增强现实帮助同餐者更好地咀嚼食物。在 2018 年游戏伴侣中计算机与人机交互年度研讨会论文集扩展摘要中。391–397。[4] Kirk Warren Brown 和 Richard M Ryan。2003 年。活在当下的好处：正念及其在心理健康中的作用。人格与社会心理学杂志 84, 4 (2003)，822。[5] Claudia Daudén Roquet 和 Corina Sas。2018 年。评估正念冥想应用程序。在 2018 年 CHI 计算机系统人为因素会议扩展摘要中。1–6。[6] Claudia Daudén Roquet 和 Corina Sas。2020 年。身体很重要：探索人体作为冥想技术设计的资源。在 2020 年 ACM 设计交互系统会议论文集上。533–546。 [7] Claudia Daudén Roquet、Corina Sas 和 Dominic Potts。2021 年。《探索灵魂：曼陀罗着色过程中正念状态外围物化的脑机接口》。《人机交互》（2021 年），1-41。
移动健康应用程序用于控制和自我管理2型糖尿病：用户可接受性和接受性的定性研究
背景：移动健康应用程序是有前途的工具，可以帮助2型糖尿病患者（T2DM）改善其健康状况，从而实现糖尿病的控制和自我管理。尽管目前有各种各样的T2DM移动健康应用程序，但应用程序尚未集成到常规的糖尿病护理中。T2DM患者的可接受性和接受性是成功实施糖尿病护理中应用程序的主要挑战和先决条件。目的：本研究提供了对使用（可接受性）和使用后T2DM患者的看法的深入了解（接受），以了解4种不同的移动健康应用程序，用于糖尿病控制和自我管理。方法：本研究使用了描述性定性研究设计。参与者可以选择四个选定的应用程序中的1个用于糖尿病控制和自我管理（即Clear.bio与Freestyle Libre，Mysugr，Miguide和Selfcare结合使用）。选择是基于对监视，数据收集，提供信息，教练，隐私和安全性的（功能）要求的系统分析。为了探索可接受性，使用前对T2DM患者进行了25种半结构的深入访谈。接下来是4个焦点小组，讨论使用后的接受度。这项研究采用了公民科学方法，即T2DM患者与研究人员合作作为核心研究员。所有核心研究人员都积极参与了研究，数据收集和数据分析的准备。数据是在2021年4月至9月之间收集的。使用ATLASTI9的演绎方法进行了主题分析。结果：总共有25名具有T2DM的核心研究人员参加了这项研究。，有12名核心研究员测试了清晰的测试，5个Miguide，4个Mysugr和4个自我保健。所有核心研究员都参加了半结构化访谈，其中18个参加了焦点小组。个人健康是应用使用的主要驱动力。大多数核心研究人员都坚信健康的生活方式将改善血糖水平。尽管大多数核心搜索者并不期望他们需要付出很多努力来使用这些应用程序，但要熟悉应用程序使用的额外努力是很高的。核心研究员都没有医疗保健专业人员提供有关使用这些应用程序的建议。保险公司的报销以及接受医疗保健系统对糖尿病控制和自我管理的应用程序被提及为重要的促进条件。结论：研究表明，移动健康应用程序为T2DM患者的糖尿病控制和自我管理提供了支持。像往常一样将应用程序用途集成到护理中，并建议使用医疗保健专业人员的准则。需要研究如何增加当前护理途径中移动健康应用程序的实施。此外，医疗保健专业人员需要提高其数字技能，并建议终身学习。
人工智能驱动的移动应用程序：一项探索性研究
近年来，基于人工智能技术的移动应用呈现出惊人的发展势头。一般而言，人工智能应用是指将人工智能融入其功能和服务的任何应用。人工智能框架的快速发展使得企业人工智能技术能够转移到移动设备上，大大促进了智能手机应用中人工智能应用的采用。在本文中，我们对 56,682 个已发布的人工智能应用进行了最广泛的实证研究，旨在从数据集特征、开发问题以及用户反馈和隐私三个角度促进利益相关者对现实世界人工智能应用的理解。为此，我们构建了一个自动化的人工智能应用识别工具 AI Discriminator，它基于应用剖析和关键字匹配从 7,259,232 个移动应用中检测出符合条件的人工智能应用。在第一阶段，我们进行数据集分析，探索AndroZoo大型存储库以识别现实世界的AI应用程序及其核心特征，包括类别流行度、框架分布、更新速度等。随后，我们找出AI应用程序开发中的关键问题，旨在为开发人员提供模型保护等一些关键领域的实用见解。最后，我们关注已发布的AI应用程序的用户评论和用户隐私保护。从技术角度来看，我们的研究结果通过呈现缺乏加密的情况揭示了已发布的AI应用程序中嵌入的模型保护不足。从用户的角度来看，我们指出客户敏感数据面临很高的泄露风险，这引发了对用户敏感数据被未经授权的访问利用的担忧。我们的大规模研究为利益相关者提供了对已发布的AI应用程序进展的关键见解，启发未来对面向移动的AI技术的研究，以进一步提高其执行性能和用户体验。
合并应用程序以提高安全性和储蓄
Microsoft 365为客户提供完整的集成工具集，可降低成本和管理开销。这个单一可扩展的解决方案可让您更轻松地从一个管理中心管理协作，生产力和安全工具。，它比单独的供应商的单个技术更具成本效益。您的业务以可管理的价格获得企业级可靠性和价值。
MOBOTIX AI-TECH 视频分析应用程序
n 所有应用程序均可免费试用 30 天 n 直接通过摄像头固件进行配置和操作 n 通过 MxMessageSystem 由应用程序触发摄像头事件和其他操作 n 可直接集成到 Wavestore 和 Qognify Cayuga & Occularis 系统中的接口 n 直接从应用程序界面访问 AI Tech 应用程序文档和培训材料 n 所有应用程序均符合最高的网络安全要求 n 可以单独购买和使用应用程序，也可以作为应用程序包购买和使用
人工智能智能手机应用程序的危险信号
在同意使用您的数据时，请确保您了解您同意的内容。应用程序开发人员应该非常清楚他们计划如何使用您的个人数据，包括您提交的图片。一些应用程序将使用用户提交的个人和/或医疗信息以及皮肤图片来进一步开发他们的人工智能算法。这可能意味着当信息被一起分析时，它不再是真正匿名的。像这样的进一步分析被视为研究，需要监管机构的正式伦理批准，并应明确显示。您还可能为改进商业产品做出贡献，从而提高其价值，但没有任何回报。如果您不清楚您的数据是如何使用的，最好不要提供它。