XiaoMi-AI文件搜索系统
World File Search SystemBlain
ADSTAR 2024，国防更新：与 Jason Blain 少将一起登陆 DSC、AM DSC、AM、CSC - HLS、CASG
ADSTAR 2024 大会征集论文摘要，探讨有助于澳大利亚国防的颠覆性技术，为澳大利亚国防提供
非典型症状，SARS-COV-2测试结果和456名面对Covid-19疫情的八个疗养院的居民的免疫率
Hubert Blain，Lucie Gamon，Edouard Tuaillon，Amandine Pisoni，Nadia Giacosa等。非典型症状，SARS-COV-2测试结果以及来自八个面临的共同199次爆发的八名养老院的456名居民的免疫率。 年龄和衰老，2021，50（3），pp.641-648。 10.1093/老化/AFAB050。 hal-03160497Hubert Blain，Lucie Gamon，Edouard Tuaillon，Amandine Pisoni，Nadia Giacosa等。非典型症状，SARS-COV-2测试结果以及来自八个面临的共同199次爆发的八名养老院的456名居民的免疫率。年龄和衰老，2021，50（3），pp.641-648。10.1093/老化/AFAB050。hal-03160497
2 BNT162B2疫苗剂量后SARS-COV-2尖峰抗体的强衰变和对疗养院居民第三剂的高抗体反应
Hubert Blain，Edouard Tuaillon，Lucie Gamon，Amandine Pisoni，StéphanieMiot等。在2 BNT162B2疫苗剂量和高抗体反应后，SARS-COV-2尖峰抗体的强衰减很大。美国医疗董事协会期刊，2022，23（5），pp.750-753。10.1016/j.jamda.2022.02.006。hal-03760314
内在奖励在青少年词汇学习中的作用
Anglin, JM, Miller, GA, & Wakefield, PC (1993)。词汇发展：形态分析。儿童发展研究学会专著，58 (10)，i–186。JSTOR。https://doi.org/10.2307/ 1166112 Angwin, AJ、Wilson, WJ、Ripollés, P.、Rodriguez-Fornells, A.、Arnott, WL、Barry, RJ、Cheng, BBY、Garden, K. 和 Copland, DA (2019)。白噪声有助于从上下文中学习新词。大脑与语言，199，104699。https://doi.org/10.1016/j.bandl.2019.104699 Bains, A.、Spaulding, C.、Ricketts, J. 和 Krishnan, S. (2023)。使用等待意愿设计来评估读者如何评价文本。Npj 学习科学，8 (1)，17。https://doi.org/10.1038/s41539-023-00160-3 Baker, FC、Willoughby, AR、de Massimiliano, Z.、Franzen, PL、Prouty, D.、Javitz, H.、Hasler, B.、Clark, DB 和 Colrain, IM (2016)。全国青少年酒精与神经发育联盟样本中青少年睡眠结构和脑电图的年龄相关差异。睡眠，39 (7)，1429–1439。https://doi.org/10.5665/sleep。5978 Berridge, KC, & Kringelbach, ML (2008)。愉悦的情感神经科学：人类和动物的奖励。精神药理学，199 (3)，457–480。https://doi.org/10.1007/s00213-008-1099-6 Bjork, RA, Dunlosky, J., & Kornell, N. (2013)。自我调节学习：信念、技巧和幻想。心理学年鉴，64 (1)，417–444。 https://doi.org/10.1146/annurev-psych-113011-143823 Blain, B., & Sharot, T. (2021)。内在奖励：潜在的认知和神经机制。当前行为科学观点，39，113–118。https:// doi.org/10.1016/j.cobeha.2021.03.008 Blakemore, S.-J., & Robbins, TW (2012)。青少年大脑中的决策。自然神经科学，15 (9)，1184–1191。https://doi.org/10.1038/nn.3177 Bloom, P. (2002)。儿童如何学习单词的含义。麻省理工学院出版社。
截至 2024 年 9 月 6 日 SOC24 现场参会人数
姓名 组织 1 Adam Abdulkadir 救助儿童会和巴斯肯特大学 2 Ailsa Cook Matter of Focus 3 Alec Fraser 伦敦国王学院 4 Alexandra Blain 法国巴黎银行 5 Alison Bukhari 教育女孩 6 Alison Jeffrey 英国文化、媒体和体育部 7 Amanda Payne 未来集团 8 Amel Karboul 教育成果基金 9 Amita Gulati 独立组织 10 Amy Lim 投注委员会 11 Ananya Nath 世界社区中心 12 Anders Bach-Mortensen 牛津大学 13 Anders Bager 世界糖尿病基金会 14 Andrew Greenway Public Digital 15 Aneta Wierzynska 全球抗击艾滋病、结核病和疟疾基金 16 Anne Davies 牛津大学法学院 17 Antonia Muhr 维也纳世界大学 18 Arushi Terway NORRAG 全球教育中心（日内瓦高等研究院） 19 Ashley McCaul ThinkForward 20 Ayan Musa Ahmed 世界糖尿病基金会 21 Batool Ahmad Humana Holding 22 Ben Coughlin 英国司法部 23 Benedetta Trivellato 米兰比可卡大学 24 Benjamin Brunjes 华盛顿大学 25 Benjamin John Stephens Instiglio 26 Benoit Renard Tiko 27 Brigita Pocyte 英国财政部 28 Bryony Nicholson Brink 29 Can Atacik Alethina 30 Carol Cravero 法国开发署集团 31 Carolina Pinzon Better Society Capital 32 Caroline Bernadi 乡村企业 33 Carolyn Heinrich Vanderbilt 大学 34 Catherine Burnard 工业发展公司 35 Celeste Brubaker 乡村企业 36 Chigomezgo Mtegha-Gelders 英国外交、联邦和发展办公室 37 Chih Hoong Sin 独立顾问 38 Chittaranjan Samantaray PanIIT 校友基金会 39 克里斯蒂娜·贝内特创业网络 40 克里斯托弗·伯宁汉姆教育成果基金 41 新加坡国立大学克里斯托弗·吉政策研究所 42 蔡新宇投注委员会
卡尔顿大学教学中的人工智能：机遇与挑战
简介 生成式人工智能 (AI) 工具已发展到可以生成越来越逼真、越来越难以与人类知识产权区分的内容的地步。其中一些工具 1 可以有效地生成各种类型的文本（例如 ChatGPT、Jasper、GPT、Google 的 Bard、Bing AI）、计算机代码（例如 GitHub Copilot）、方程式（例如 Wolfram）、带有参考文献的科学论文（例如 Elicit）或图像（例如 DALL-E、Midjourney、Stable Diffusion）。虽然目前有许多不同的生成式 AI 模型在运行，但 ChatGPT 在全球范围内获得了最多的关注，因为它可以免费向公众开放，具有简单、用户友好的界面，并且能够解释自然语言提示并根据已训练的预测模型生成独特的响应。ChatGPT 等生成式 AI 工具的输出质量和有效性可能有很大差异，具体取决于给出的提示和算法的训练方式。 ChatGPT 偶尔会生成听起来令人信服但包含事实错误和虚构信息 2 的文本（例如，不存在的参考文献、虚构的定义等）（Arya，2023 年）。此外，生成的文本通常是公式化的（温莎大学，2023 年）。随着模型的训练和获得更多不同的数据集，这种情况会越来越好。截至 2023 年 3 月，ChatGPT 可以访问训练数据以外的信息，包括访问互联网的能力（它已经集成到 Bing 搜索引擎中）、具有新的插件功能，并可以运行它编写的代码（Blain，2023 年；Hachman，2023 年）。微软宣布将很快将 ChatGPT 集成到其 Word、PowerPoint 和 Outlook 等 Office 应用程序中（Borup，2023 年）。尽管如此，重要的是要知道 ChatGPT“不会创造高级知识或整体概念；相反，它只是根据概率猜测下一个单词应该是什么，就像电子邮件客户端中现在很常见的自动完成功能一样”（Arya，2023 年）。 对教育的影响 这些最新的人工智能发展为高等教育机构提供了机遇和挑战。一方面，它们可能为教学创新、重新思考现有的教学和评估实践、创建定制的学习活动以及为学生和教师节省时间提供机会（Terwiesch & Mollick，2023 年）。此外，生成式人工智能工具迫使我们考虑它们对就业市场的影响，我们的毕业生需要哪些类型的技能和能力，以便他们为就业做好准备并保持竞争力，并重新审视课程和学位/项目层面的教学目标和学习成果（Arya，2023 年）。另一方面，生成式人工智能工具引起了与学术诚信标准相关的合理担忧和焦虑，因为生成式人工智能工具创建的作品可能更难检测，而使用检测工具并不是一个可行的策略。大学课程和学位深深植根于学生培养精确写作和批判性思维技能。如果不谨慎对待人工智能的诱惑，可能会削弱学生的写作和批判性思考能力。随着生成式人工智能工具的不断发展，关于它们对教育影响的讨论仍在继续。然而，在加拿大的背景下，许多教育工作者同意，与其试图禁止