摘要 用于临床决策的人工智能 (AI) 助手在医学领域的前景越来越广阔。然而,医疗评估可能会引起争议,导致专家意见不一。这就提出了一个问题:应如何设计 AI 助手来处理模糊病例的分类。我们的研究比较了两种 AI 助手,它们为医疗时间序列数据提供分类标签以及定量不确定性估计:传统助手与模糊感知助手。我们根据现实世界的专家讨论模拟了模糊感知 AI,以突出显示可能导致专家意见分歧的案例,并提出相互冲突的分类选择的论据。我们的结果表明,模糊感知 AI 可以通过显著增加审查的有争议案例的比例来改变专家的工作流程。我们还发现,AI 提供的论据(随机从指南中选择或由专家选择)的相关性影响专家修改 AI 建议标签的准确性。我们的工作为有争议的临床评估的人工智能设计提供了新颖的视角。
• 内容和教学计划知识:教师了解他们负责教授的内容,并制定确保所有学生成长和成就的教学计划。 • 教学实践:教师实施教学,吸引和挑战所有学生达到或超过学习标准。 • 学习环境:教师与所有学生合作,创造一个支持成就和成长的动态学习环境。 • 学生学习评估:教师使用多种措施来评估和记录学生成长、评估教学效果和修改教学。这包括基于适当学习标准的评估技术,旨在衡量学生的学习进度,以及教师在提供教学时成功利用对可用学生表现数据的分析(例如:州考试结果、学生作业、学校开发的评估、教师开发的评估等)和其他相关信息(例如:记录的健康或营养需求,或影响学习的其他学生特征)。 • 专业责任和协作:教师展示专业责任感并与相关利益相关者合作,以最大限度地促进学生的成长、发展和学习。这包括根据需要与学生、家长或监护人建立有效的合作关系,以及与适当的支持人员建立关系以满足学生的学习需求。• 专业成长:教师设定明智的目标并努力实现持续的专业成长。