摘要。人工智能(AI)融入教育正在迅速改变传统的教学范式。chatgpt是一种能够生成复杂语言的高级AI系统,代表了该领域的潜在破坏性创新。本研究采用了描述性横断面设计,采用横截面方法来检查Chatgpt在重塑高等教育中学生学习经验方面的新兴作用。对沙特阿拉伯国王菲萨尔大学473名本科生的调查评估了Chatgpt的使用模式,有效性和各种学习领域的影响。通过一个月内分布的结构化在线调查收集数据,并使用定量措施(即SPS)进行了分析。六十名预先(60%)的学生报告使用Chatgpt进行家庭作业援助,每周有27.7%的人这样做。此外,有45.5%的人将其用于研究,35.5%用于考试准备,大约30%用于语言学习和内容讨论。超过60%的学生认识到Chatgpt对他们的学习成绩,研究技能和技术能力的显着积极影响。但是,有38.7%的人报告对批判性思维没有明显的影响。因素分析将参与度确定为熟练学习的关键途径,并且用法与参与和动机密切相关。这些发现展示了Chatgpt作为AI驱动的教育工具的有前途的多功能性,同时强调了对道德框架的需求,平衡回归分析确定使用频率,满意度和感知的有用性是Chatgpt学术效果的重要预测指标,使用频率为0.21的beta系数证明了使用频率,满意度为0.25。
目的:本研究旨在通过具体实例指出 ChatGPT 在供应链中的潜在应用领域及其相关成果。讨论的目的还在于提出一个研究模型,该模型将作为研究案例研究的经验矩阵,并且随着这项技术的普及,还可用于定量研究。设计/方法/方法:在研究的第一阶段,对科学文献进行了定性审查。随后,在供应链中流程排序知识的指导下,将选定的项目分配到主题模块中。收集到的材料有助于确定所讨论主题的研究差距。结果:作为所开展工作的成果,提出了一种测量工具,可用于未来研究 ChatGPT 在供应链中的使用,该工具由几个构造和几十个测试项目组成。这也是世界文献中第一个这样的提议。已经发现,ChatGPT 在其当前发展阶段和实证证据中的应用主要体现在物流和营销管理方面,主要是在客户服务和运输任务中。聊天应用程序的有效性已在供应链配置、供应商选择、库存管理、生产和运输等领域得到证实。然而,这些都是个别研究。缺乏关于 GPT 在货运代理、物流运营商、配送和逆向物流中的使用实证研究。还需要研究所述技术与供应链中使用的其他工业 4.0 技术之间的联系。这种相关性已经在区块链、3D 方面进行了研究,但这一领域的潜力要大得多。研究的局限性/含义:本文整合了供应链管理知识和最先进的自然语言处理模型之一的潜力。与 ChatGPT 领域的先前研究相比,这一领域的探索程度极低。实际意义:在供应链中实施 ChatGPT 的企业可以产生研究模型中概述的特定业务效益。社会影响:所述技术可对可持续活动的各个方面产生积极影响。关键词:chatGPT、工业技术 4.0、物流、研究评论、AI。论文类别:研究论文。
本社论探讨了新发布的OpenAi O1-preview的最新进步,将其功能与传统ChatGpt(GPT-4)模型进行了比较,尤其是在医疗保健的背景下。虽然ChatGpt已显示了许多用于一般医疗建议和患者互动的应用程序,但OpenAI O1-Preiview使用一系列思维过程介绍了具有先进推理技能的新功能,可以使用户能够处理更复杂的医疗查询,例如遗传疾病发现,多系统或多种系统或复杂的疾病护理以及医疗研究支持。本文探讨了一些新模型的潜力和其他可能影响其使用情况的方面,例如由于其广泛的推理方法,响应时间较慢,但突出了其减少幻觉的潜力,并为复杂的医疗问题提供了更准确的输出。道德挑战,数据多样性,访问权益和透明度,确定了未来研究的关键领域,包括优化两种模型在医疗保健应用中的使用。编辑结束时,提倡对所有大型语言模型(包括新颖的OpenAi O1-preview)进行协作探索,以充分利用其在医学和医疗保健提供方面的变革潜力。该模型具有先进的推理能力,为授权医疗保健专业人员,政策制定者和计算机科学家提供了一个机会,共同努力,以改造患者护理,加速医学研究并增强医疗保健结果。通过优化多种LLM模型在串联中的使用,医疗保健系统可以提高效率和精确度,并减轻以前的LLM挑战,例如道德问题,访问差异和技术限制,并转向人工智能时代(AI)驱动的医疗保健。
1。*通讯作者:伊朗德黑兰大学管理学院信息科学与知识研究系。电子邮件:hoomanjfr7@gmail.com; 2。伊朗德黑兰大学管理学院信息科学与知识研究系。; 3。社会科学学院,大众媒体传播学院,哥斯达黎加大学,圣何塞,哥斯达黎加。; 4。信息科学与知识研究系,教育与心理学学院,伊朗德黑兰Shahid Beheshti大学。; 5。美国德克萨斯大学北德克萨斯大学北德克萨斯大学信息科学系。/打开访问。©2024作者,由Infopub出版。这项工作是根据创意共享归因4.0国际许可证获得许可的。(日记本页:https://www.isjtrend.com)https://doi.org/10.61186/ist.202401.01.17
在本节中的描述中,我们将解释什么是机器学习(ML),其用途以及如何属于人工智能(AI),数据科学和计算机科学的学科。我们还将概述ChatGpt的工作原理,以及使用Autodesk Construction Cloud,构建信息建模(BIM)或我们的任何Autodesk Services和API的数据,可以使用哪些其他类型的ML应用程序和模型来解决问题。本次会议将使所有希望使团队能够从历史数据中获得洞察力,加快学习速度并创造更敏捷的协作环境的人有益。
作为律师事务所的合伙人,您可以通过整合Genai工具来探讨提高法律服务效率的可能性。您组织了有关Genai相关技术创新的常规团队会议。在其中一项教育活动中,同事建议使用Chatgpt为客户准备法律文件的摘要 - 复杂的合同,备忘录等。在制定了这种想法的方法时,您得出结论,在将工具用于客户相关的任务之前,您将出于内部目的进行测试 - 简化您的网站文章或起草新闻通讯。在访问工具之前,您可以设置明确的规则,并确保在有效的及时写作中对团队进行培训。通过人类分析验证了所有输出,并且定期审查该工具的影响 - 您可能想跟踪节省时间,结果的准确性以及在结果改进上所花费的时间。
人工智能工具在教育领域发展迅速,这凸显了对其性能进行全面和严格评估的迫切需要。为此,本研究测试了 ChatGPT 和 Google Bard 在回答工程和卫生领域一系列问题方面的有效性。所研究的问题类型包括判断题、多项选择题 (MCQ)、匹配题、简答题、论文题和计算题。研究结果表明,ChatGPT 4 在创造性解决问题和各种问题类型的准确性方面都超过了 ChatGPT 3.5 和 Google Bard。ChatGPT 4 在判断题中的准确率最高,达到 97.5%,而在计算题中的准确率最低,为 82.5%。提示 ChatGPT 和 Google Bard 提供简短的回答显然可以防止它们产生幻觉,从而给出不切实际或荒谬的回答。ChatGPT 和 Google Bard 给出错误答案的大多数问题都表明了正确的问题解决方法;然而,这两个人工智能模型都很难准确地执行简单的计算。在与健康科学相关的 MCQ 中,ChatGPT 似乎很难在几个合理的选项中辨别出正确答案。虽然这三种工具都能很好地处理论文问题,避免任何明显错误的回答(与其他问题类型不同),但还是注意到了一些细微的差异。ChatGPT 3.5 始终更紧密地遵循论文提示,提供直接和必要的回答,而 ChatGPT 4 在适应性方面表现出优于这两种模型的优势。ChatGPT4 捏造了参考文献,在回答来源提示时创建了不存在的作者和研究标题。虽然在教育中使用人工智能很有前景,但即使是最新和最先进的 ChatGPT 和 Google Bard 版本也无法准确回答所有问题。人类仍然需要大量的认知技能和人工智能能力的进一步发展。
1匈牙利生物学研究中心生物物理学研究所,匈牙利,匈牙利2号,神经病学系,阿尔伯特·塞津·埃吉·里吉健康中心,匈牙利大学,匈牙利,匈牙利大学,3个理论医学博士学位学校 Medical School, University of Szeged, Szeged, Hungary, 5 Interdisciplinary Medicine Doctoral School, University of Szeged, Szeged, Hungary, 6 Second Department Cardiology Center, Albert Szent-Gyo¨rgyi Health Center, University of Szeged, Szeged, Hungary, 7 Department of Family Medicine, Albert Szent-Gyo¨rgyi Health Center, University of Szeged, Szeged, Hungary, 8个Onrapy的部门,Szeged,Szeged,匈牙利,9号内科,Albert Szent-Szent-gyoérgyiHealth Center,Szeged University of Szeged,Szeged,匈牙利,医学物理学和信息学系10
聊天机器人的最新进展为学生和学者提供了一种新的知识来源和组成方式。在很短的时间内,学生和学者蜂拥而至,用于使用Chatgpt和其他生成人工智能(GAI)平台,原因是他们的反应能力。此外,除了生成的聊天机器人(例如Chatgpt和Gemini)之外,AI编写工具用于释义,总结和共同写作也已经变得有能力且越来越普遍,因此公众被宠坏了。在对流行的聊天机器人和AI写作工具进行了测试后,很明显,尽管Turnitin之类的程序正在开发新算法来检测窃和AI-AI-ATECTENT内容,但本研究的初步发现表明,这可能是一项越来越困难的任务。这些测试已在YouTube上发表,几周后,随着学生和教育工作者似乎对这些AI工具的优势,劣势和合法性似乎不确定,证据就获得了数以万计的观点。清楚的是,我们已经通过了临界点,而AI的帮助不再只是语法修复器。这对此的影响是关于窃的,因为窃已经是大学的重要问题。该职位论文报告使用Turnitin软件和AI写作工具(例如Chatgpt和Quillbot)进行的测试。这些现实世界的测试支持该论文的立场,即确定在GAI世界中构成原创作品的越来越困难。所提出的方法侧重于工作的“理解”,而不是文本相似性。本文的目的是提供证据表明,依靠相似性检查和当前形式的AI探测器的教育者可能会无意间支持窃而不是减少窃。提出了一种新的学术窃方法检测方法,利用大型语言模型来生成和跟踪思想,从而充当一个想法数据库。
想象一个世界,聊天机器人是对危机的第一批响应者,有效地解决问题并提供关键信息。ChatGpt展示了Genai(生成人工智能)的能力 - 及时及时地回答与危机相关的问题时,有动力的聊天机器人,从而取代了在危机交流中的人类。但是,公众对此类消息的反应仍然未知。为了解决这个问题,这项研究招募了参与者(n 1 = 399,n 2 = 189和n 3 = 121),并进行了两个在线小插图实验和一项定性调查。结果表明,当组织未能处理与危机相关的请求时,利益相关者表现出更高的满意度和较低的责任归因于聊天机器人提供指导(与调整)信息,因为他们被认为更有能力。但是,当组织满足要求时,提供调整的聊天机器人(与指导信息)会导致更高的满意度和由于更高的感知能力而导致的责任降低。第二次涉及公共紧急危机情况的实验表明,无论提供的信息(指导或调整)如何,利益相关者对高竞争(与低能力)聊天机器人表现出更高的满意和积极的态度。定性研究进一步证实了实验发现,并提供了改善危机聊天机器人的见解。这项研究还为组织提供了实用的指导,以基于上下文在危机管理中战略性地整合聊天机器人和人类代理商。这些发现通过将情境危机的交流理论扩展到非人类接触点,并通过机器启发式镜头将对使用聊天机器人的使用提供更深入的理解,从而有助于文献。
