我们探讨了公民科学中人类和机器学习之间的双向关系。从理论上讲,该研究借鉴了近端开发区(ZPD)概念,这使我们能够描述人类学习的AI增强,人类对机器学习的增强以及如何设计任务以促进共学习。该研究采用了设计科学方法来探索重力间谍公民科学项目的设计,部署和评估。这些发现突出了共同学习的挑战和机遇,人类和机器都会为彼此的学习和能力做出贡献。这项研究在文献中涉及共同学习的出发点,并开发了一个设计项目的框架,其中人类和机器相互增强了彼此的学习。这项研究通过强调ZPD支持正在进行的志愿者学习,并使机器学习与不断发展的数据保持一致,从而为现有文献做出了贡献。该方法为项目可扩展性,参与者参与和自动化考虑提供了潜在的好处,同时承认教程,社区访问和专家参与支持学习的重要性。
最古老、规模最大的生物多样性相关公民科学 (CS) 项目之一是康奈尔鸟类学实验室开发的 eBird (https://ebird.org/home)。它为观鸟者提供了一个移动应用程序,用于记录他们何时、何地以及如何看到或听到鸟类的清单。康奈尔实验室还开发了一款移动应用程序 Merlin,它使用深度卷积神经网络帮助用户从照片、声音(转换为声谱图)或描述中自动识别鸟类物种。这项研究调查了机器学习 (ML) 分类模型的使用如何影响新手观鸟者的学习。我们的参与者(没有鸟类学背景的计算机科学专业学生)被随机分成三组:一组使用 eBird 应用程序并自己识别鸟类物种;一组使用 Merlin 应用程序,它使用 ML 自动从照片或声音中识别鸟类;还有一个对照组。在参与项目之前和之后,对参与者的鸟类知识进行了测试,以了解使用 ML 分类模型如何影响他们的学习。我们还在后测后采访了选定的参与者,以了解他们做了什么以及结果可能由什么解释。我们的结果表明,即使是参与 CS 项目的新手参与者,即使时间很短,也会显著提高他们对附近熟悉鸟类的知识水平,并且 eBird 用户在知识后测中的表现优于 Merlin 用户。虽然人工智能可能会提高志愿者的生产力和保留率,但也有可能降低他们的学习效率。需要对不同的参与者资料和项目设计进行进一步研究,以了解如何在人工智能辅助的 CS 项目中优化志愿者的生产力、保留率和学习。
公民科学和人工智能 (AI) 相互补充,充分利用了人类和机器的优势。公民科学生成数 TB 的原始数字、文本和图像数据,对这些数据的分析需要自动化技术才能有效地进行处理。相反,AI 计算机视觉技术在训练过程中可能需要数以万计的图像,而公民科学项目非常适合提供大型数据库。在此,我们描述了 AI 工具如何应用于 GLOBE Observer 公民科学数据生态系统,其中图像识别算法支持数据提取过程、保护用户隐私并提高数据保真度。GLOBE 公民科学数据已用于开发自动数据分类程序,从而实现蚊子幼虫和土地覆盖标签的信息发现。这些进步使 GLOBE 公民科学家数据可用于环境和健康研究,以及 GeoAI 一般领域工作的机器学习科学家。
人工智能 (AI) 和公民科学 (CS) 是解决与规模和复杂性相关的数据挑战的两种方法。CS 的定义本身就依赖于通常由一群非专业人士组成的分布式团队的共同努力,以依赖人类智能的方式解决问题。随着人工智能能力日益增强或补充人类智能(如果不是复制它),人们越来越努力地去理解人工智能在 CS 中可以发挥的作用,反之亦然。在这种日益增长的兴趣背景下,这个特别的集合,人工智能和公民科学的未来,说明了 CS 从业者将人工智能融入其工作的多种方式,并指出了当前的局限性。本着这种精神,我们的社论简要介绍了特别集合的论文,以展示和评估人工智能在 CS 中的一些用途;然后,我们根据关键挑战对这些用途进行背景化;最后总结了未来以创新和道德的方式将人工智能与 CS 结合使用的方向。
投资还包括合格的教育福利或教育储蓄帐户,例如Coverdell储蓄帐户,529个大学储蓄计划以及529个预付预付款计划的退款价值。如果要求学生报告有关TASFA表格的父母信息,则父母不应报告其他儿童的教育储蓄价值。合格的教育福利或教育储蓄帐户必须报告为父母的资产,如果学生需要报告父母信息。如果不需要学生在TASFA表格上报告父母信息,则将教育福利或储蓄帐户报告为学生的资产。UGMA和UTMA帐户被视为学生的资产,无论是否要求学生报告父母信息,都必须将其报告为TASFA表格中学生的资产。
丹麦数字政府机构于 2024 年发布的另一份题为《免费手机游戏要花多少钱?》6 的报告分析了第三方服务通过流行的免费手机游戏收集数据的情况。该报告发现,在所分析的 24 款应用程序中,美国、中国和以色列在数据收集方面占主导地位。报告强调,100% 的应用程序将数据发送到美国,而 90% 的应用程序将数据发送到中国和以色列。另一个发现是,所有从应用程序收集数据的第三方公司都位于欧盟以外。当前报告支持对 11,000 个丹麦网站的分析结果。从所分析的 25 个网站中有多少使用了美国的追踪技术来看,87% 的网站使用了美国的追踪技术,26% 的网站使用了德国的追踪技术,13% 的网站使用了中国的追踪技术。此外,Alphabet 是所分析网站中最常见的参与者,而其他科技巨头也出现了。值得注意的是,在应用程序和网站之间,欧盟以外公司的普遍程度存在差异。虽然美国在应用程序和网站的跟踪方面占据主导地位,但来自欧盟以外国家的第三方服务的多样性似乎在应用程序中更高。这些结果强调,用户数据收集很快就会成为一个跨境问题,一个国家的用户的数据会被发送到另一个国家的服务器。虽然欧盟等司法管辖区有法律框架来设置保护用户隐私的护栏,但跨国公司的跨境数据收集让用户更难了解他们的数据流向何处,以及他们可以采取哪些措施来保护自己的隐私。
(ELECTRONIKI AUR SOOCHANA PRAUDYOGIKI MANTRALAYA)1 1. 与信息技术、电子和互联网有关的政策事务(除互联网服务提供商许可之外的所有事务)。 2. 推广互联网、应用研究、 IT 和 IT 支持服务。 2A. 推广数字交易(数字支付除外)。 2 3. 协助其他部门推广电子政务、电子商务、电子医疗、电子基础设施等。 4. 推广信息技术教育和以信息技术为基础的教育。 5. 与网络法、2000 年《信息技术法》(2000 年第 21 号)的管理以及其他 IT 相关法律有关的事务。 5A. 与网络游戏有关的事务。 3 6. 与在该国推广和制造半导体设备有关的事务。 4 7. 与国际机构和组织就 IT 相关事务进行互动,例如互联网商务有限公司 (IFB)、信息社会教育学院 (IBI) 和国际在线代码委员会 (ICC)。 8. 缩小数字鸿沟的倡议:与数字印度公司相关的事务。 5 9. 促进 IT 标准化、测试和质量以及 IT 应用和任务的程序标准化。 10. 电子产品出口和计算机软件促进委员会 (ESC)。 11. 国家信息中心 (NIC)。 12. 推动硬件/软件行业发展,包括知识型企业,促进 IT 出口的措施和
与自然保护相关的公民科学(NCC)在过去几年中在全球范围内迅速发展。在匈牙利,一些公民科学(CS)项目已经运行多年了,有些项目直到最近才启动。我们的目的是在三个维度上评估八个匈牙利NCCS项目的绩效:a)科学,b)自然保护和c)参与者的发展。为评估开发了一个评估框架。我们的结果表明,常见的鸟类监测计划的总体总体表现最佳。这也是该国最古老的NCC项目。在比较每个维度的性能时,大多数项目往往在科学维度上具有良好的表现。大多数项目使用不同的策略确保数据质量。但是,一些NCC计划仍需要解决开放数据和处理项目结果的需求。关于自然保护维度,生成的数据主要用于监测物种/生态系统,而数据不太常用于保护政策制定。已经确定,参与者的发展维度尚未得到足够的关注,并且任何项目都没有评估学习成果,行为和态度改变。我们以复杂的方式评估匈牙利NCC计划的结果可能会为项目经理和协调员提供见解,以确定哪些维度表现良好,哪些领域需要改进。此外,我们的框架也是一个可以应用于当前和未来NCC计划的模型。
人员以及我们对老龄化人员可以实现的目标;在试图替换单位技术员主管(现场工作人员的负责人)的过程中,这需要时间;忙于完成季节性现场工作和责任,包括:天鹅河鲑鱼收获/鸡蛋在罗杰斯城,区域湖泊中的鳟鱼库存评估,秋天的夜间少年角膜白斑评估以及日常维护。
清洁能源总体规划 (CEMP)/综合资源计划 (IRP) • 关岛从传统化石燃料发电向可再生能源和无温室气体排放电力供应转型的全面路线图。减少 GPA 的碳足迹,提高能源可靠性,确保能源弹性,减少浪费并提高可负担性。 • 满足美国环保署同意令的所有清洁空气合规要求,避免数百万美元的潜在罚款和罚金。 • 指导对新一代资源的需求进行评估和采取行动,以满足未来的负荷增长,满足所有环境要求,并优化所有成本。 • 采取平衡的方法,包括能源效率、可再生能源、电网转型和交通电气化,以确保关岛的能源未来。