XiaoMi-AI文件搜索系统
World File Search SystemCuration
通过数据策划镜头的机器学习数据实践：评估框架
机器学习中数据集开发的研究要求更加关注使模型开发并塑造其结果的数据实践。许多人认为，档案和数据策划领域的理论和实践的采用可以支持更大的公平，问责制，透明度和更具道德的机器学习。在响应中，本文通过数据策划镜头研究了机器学习数据集开发中的数据实践。我们将机器学习中的数据实践评估为数据策划实践。为此，我们开发了一个框架，以使用数据策划概念和原理来评估机器学习数据集。通过对25毫升数据集的评估结果的混合方法分析，我们研究了在实践中采用的数据策划原理的可行性，并探讨了当前如何形成数据策展。我们发现，机器学习的研究人员通常强调模型开发，难以应用标准数据策划原理。我们的发现说明了这些领域相互之间的困难，例如评估在这两个领域中共享术语但非共享含义的术语，在适应概念的高度解释性灵活性中，在不限制的情况下，障碍，在不限制数据策划的情况下限制了对涉及型号的范围的障碍，并在范围内进行了挑战，并在范围内进行了挑战。我们提出了解决这些挑战的方法，并开发了一个整体框架进行评估，概述了数据策划概念和方法如何为机器学习数据实践提供信息。
看到或不看到：了解视觉艺术算法策略的紧张
算法推荐是机器学习（ML）系统最受欢迎的应用之一。在诸如金融和医疗保健等高风险领域的背景下研究了算法推荐的含义，但很少关注其对艺术领域的影响。鉴于ML越来越多地在艺术领域（例如生成艺术和内容分析）中找到地位，因此我们在视觉艺术的背景下研究了算法策划的紧张局势。通过案例研究，我们描述了策划更广泛的社会文化背景的策展可能会导致道德问题，例如过分代表和错误贡献，仅举几例。为了解决其中一些问题，本文提供了设计指南。具体而言，本文概述了建议方法1）与文化利益相关者互动以构建视觉艺术策展算法，2）2）嵌入数字艺术品及其元数据中的偏见，以及3）强调建立ML在视觉艺术中使用特定法规规范的需求。从艺术品策展人采用的过程中获取提示，该论文还描述了如何通过重新校准视觉艺术策展算法来优先考虑Authenticity。本文还提出了可以重新想象的最先进的ML策展算法来赋予观众能力的方法。我们希望纸上提出的视觉引发了跨学科讨论，并铺平了促进视觉艺术算法策划改革的方式。
推荐引用 推荐引用 Schwartz, David 和 Te'eni, Dov (2024) “人工智能在情境中的知识创造、管理和消费”，信息系统协会杂志，25(1)，37-47。 DOI：10.17705/1jais.00862 可从以下网址获取：https://aisel.aisnet.org/jais/vol25/iss1/12
这会是我们写的最后一篇社论吗？或者说，会不会是我们写的最后一篇社论？根据本期特刊中提出的观点，人工智能完全接管期刊出版流程是完全有可能的，从人工智能生成的评论开始，正如我们的一些撰稿人所讨论的那样，直到实现完全由人工智能驱动的期刊，包括社论。但是，您将在本期特刊中遇到的其他观点则表明，我们作为编辑的角色仍然至关重要，提出的各种理由表明，在学术期刊文章的制作、评估和出版的各个方面保持高水平的人类参与非常重要。但在质疑我们在期刊生态系统中的角色时，我们提出了一个基本问题，即未来的知识生产应该采取何种形式，这是我们的许多撰稿人所探讨的一个基本问题。您将要阅读的其他观点探讨了作者、编辑、审稿人、出版商和最终读者的当前角色，这些角色受到现有制度动态的支持，而这些动态本身可能会让位于新的认识论基础和以新方式产生、验证和共享的知识单元。变革之风正在吹拂，我们最好开始弄清楚如何扬帆起航。
研究文章 DOI: 10.58966/JCM2023214 人工智能对新闻策划和分发的影响：文献综述
媒体行业越来越多地采用人工智能 (AI) 来策划和分发新闻。本评论论文研究了人工智能对新闻行业影响的当前研究状况，重点关注人工智能在新闻编辑室中的使用、人工智能对新闻报道多样性和准确性的影响、人工智能对新闻分发的影响以及人工智能使用的道德和监管问题。评论发现，人工智能有可能提高新闻行业的效率并覆盖更多人。尽管如此，它还是引发了人们对偏见、不准确性和人类编辑作用减弱的重要担忧。当使用人工智能传播新闻时，人们还担心过滤气泡和回音室。评论还强调了新闻行业使用人工智能的透明度、问责制和监管的必要性。
- 盖尔里数字策划 - 博物馆的创新方法
根据马萨诸塞州理工学院科学技术社会技术社会研究教授Sherry Turkle认为，尽管技术使人们的便利性带来了人际关系沟通的代价，尤其是在一个人的社交性和面对面的交流技能方面（Turkle，2011年）。作为一个公共空间，博物馆是人们在社交上进行互动的激活者，因此应该更多地关注技术与人类之间的平衡，例如，通过为公众提供平台来表达自己的感受或分享他们的意见。传统展览通常以静态方式组织内容，通常是按年表，主题分类或对象分类来组织内容。信息也朝着一个方向传达，即从艺术品到观众。这需要访客和艺术品之间的足够距离，在大多数情况下，这是通过玻璃展示柜实现的，这可能会使游客感到与展览的偏离，或者像他们是博物馆的局外人一样。在类似的展览中，优先考虑的是创造一个安静的展览环境，而访客越少，来访的体验就越好。除了自己之外，其他任何访客都被视为损害的入侵者
对外星样本管理和分析仪器和设施的战略投资
为了在未来十年内分析各种外星样本，NASA 需要了解行星科学界分析实验室设施的当前能力、未来要求以及任何相关挑战。因此，美国国家科学、工程和医学院将组建一个委员会进行研究，以解决以下问题：• 需要哪些实验室分析能力来支持 NASA 行星科学部（及其合作伙伴）对现有和未来外星样本的分析和管理？
基因临床有效性管理流程
背景 ClinGen 的基因管理流程旨在根据公开的证据帮助评估基因-疾病关系的强度。有关基因-疾病关系的信息，包括从文献中整理出来的遗传、实验和矛盾证据，被汇编起来并用于根据 ClinGen 基因管理工作组 (GCWG) [1] 制定的标准分配临床有效性分类。该协议详细说明了管理基因-疾病关系并随后分配临床有效性分类所涉及的步骤。此管理流程并非旨在对给定基因或疾病的所有可用文献进行系统回顾，而是概述在给定时间为基因-疾病关系分配适当的临床有效性分类所需的最相关证据。虽然以下协议为管理流程提供了指导，但在决定支持基因-疾病关系的不同证据的强度时，必须使用专业判断和专业知识（如适用）。
未来几年行星科学的天体材料高级策划
高级管理是一个跨学科的研究和开发领域，旨在改进现有天体材料收藏中的管理和样本采集实践，并为未来的样本返回活动提供支持。高级管理的主要结果是减少和量化天体材料的污染，并保持从任务开始到科学分析的所有样本的科学完整性。在未来十年，NASA 应该支持高级管理研究和监测工作，因为它们涉及改进我们现有的收藏和为当前和未来天体材料采集活动的样本做准备。我们在此重点介绍未来十年 NASA 支持的对样本科学成功至关重要的五项高级管理活动，包括：1) 支持作为样本返回任务的一部分建立污染知识收集的努力，这需要从样本返回任务规划的最早阶段就开始参与管理；2) 支持陨石和宇宙尘埃等地球天体材料收集活动，因为它们代表了相对廉价的样本采集活动，可以继续扩大 NASA 的天体材料收藏并确保新发现的实现； 3) 准备在“冷”条件下管理和处理样本，以便从富含挥发物的太阳系目标（如月球表面或彗星的永久阴影区域）带回样本；4) 确定如何最好地将洁净室技术和生物安全技术结合到一个基础设施中，以支持对被指定为第 V 类：受限地球返回的天体的样本进行管理；5) 支持对管理实验室的实时监控和测试，以验证样本处理环境是否从无机、有机和生物污染的角度保持清洁。简介