XiaoMi-AI文件搜索系统
World File Search SystemEmotions
使用人工智能检测学生在大体解剖学反思中的情绪和情感
评估。家庭医学。1994；26：278-82。7. Mann K、Gordon J、MacLeod A。卫生职业教育中的反思和反思性实践：系统评价。高级健康科学教育理论实践。2009；14：595-621。8. Wald HS、Reis SP、Monroe AD、Borkan JM。《失去我的老病人》：互动式反思性写作以支持医学生的成年礼。医学教学。2010；32：e178-84。9. Sandars J。反思在医学教育中的运用：AMEE 指南第 44 号。医学教学。2009；31：685-95。10. Lie D、Shapiro J、Cohn F、Najm W。反思性实践丰富了实习学生的跨文化体验。 J Gen Intern Med 。2010；25：S119-25。11. Mamede S、Schmidt HG、Penaforte JC。反思性实践对医学诊断准确性的影响。医学教育。2008；42：48-75。12. DasGupta S、Charon R。个人疾病叙述：使用反思性写作来教授同理心。Acad Med 。2004；79：351-6。13. Sargeant JM、Mann KV、Vander Vleuten CP、Metsemakers JF。反思：接收和使用评估反馈之间的联系。高级健康科学教育理论实践。2009；14：399-410。14. Rabow MW、McPhee SJ。行医治病：培养良好的
大脑网络服务于通过成分建模识别的情绪的功能核心过程
尽管科学界对情绪的定义缺乏共识，但人们普遍认为情绪涉及思想、身体和行为的多种变化。尽管心理学理论强调情绪的多成分特征，但人们对大脑中这些成分的性质和神经结构知之甚少。我们使用多变量数据驱动方法将各种情绪分解为功能核心过程并确定其神经组织。20 名参与者观看了 40 个情绪片段，并根据之前验证的成分模型定义的 32 个成分特征对 119 个情绪时刻进行了评分。结果显示了不同的情绪如何从一组大脑网络中的协调活动中产生，这些网络编码了与价值评估、享乐体验、新颖性、目标相关性、趋近/回避倾向和社会关注相关的成分过程。我们的研究超越了以前专注于分类或维度情绪的研究，强调了新方法与理论驱动建模相结合如何为情绪神经科学提供新的基础并揭示人类情感体验的功能结构。
问题的核心：精神压力和负面情绪如何影响心房颤动
心房纯化（AF）是心律不齐的最常见形式，影响了世界人口的2％ - 3％。精神和情绪压力以及某些心理健康状况（例如抑郁症）已被证明显着影响心脏，并被建议在AF发作时充当独立的危险因素和触发因素。在本文中，我们回顾了当前的文献，以研究心理和情绪压力在AF发作中的作用，并总结了当前有关大脑与心脏之间相互作用的知识，以及在压力反应中涉及的皮质和皮层途径。对证据的审查表明，心理和情绪压力对心脏系统产生负面影响，可能增加发展和/或触发AF的风险。需要进一步的研究，以进一步了解精神压力反应中涉及的皮质和亚皮质结构，以及它们与心脏系统的相互作用，这可能有助于定义新的策略和干预措施，以防止开发和改善AF的管理。
大脑网络服务于通过成分建模识别的情绪的功能核心过程
图 1：情绪的成分模型。在这个框架中，情绪被认为是不同过程同时（或连续）参与的结果，这些过程负责对特定事件的评估以及行为和身体反应。根据 Scherer 及其同事提出的成分过程模型 (CPM)，我们的研究中从中定义了情绪特征，五个不同的功能成分正在动态激活并相互作用以构成情绪体验，包括处理事件背景信息的评估机制、促进目标导向行为和认知的动机机制、体现身体反应的运动表达和生理变化，以及可能反映编码有意识情绪意识的新兴成分的主观感受。
虚拟文化遗产旅游经验中的负担能力，数字媒体素养和情感
摘要本研究旨在研究虚拟现实（VR）技术的负担和用户对用户情绪的数字媒体素养的影响，这导致建议在文化遗产旅游中使用VR实验。在韩国Gyongju世界文化博览会公园的现实VR工作室进行了一项调查，使用高质量和复杂的VR内容，可以准确地通过实时渲染来反映用户的身体运动。共有157名参与研究的访问者，并使用部分最小二平方抗性方程模型（PLS-SEM）分析了测量模型和结构模型。发现的发现表明，VR设备的认知，身体，感觉和功能以及用户数字媒体素养对访客的积极情感体验产生了显着影响。此外，游客的积极情绪对建议意图产生了重大影响。这种经验结果表明，数字媒体素养是一个新的主要变量，影响文化遗产的虚拟体验。
生成语言模型是多元文化的吗？使用chatgpt
大语言模型（LLMS），例如Chat-GPT，被广泛用于生成用于各种目的和受众的内容。但是，这些模型可能无法反映用户的文化和情感多样性，尤其是对于低资源语言。在本文中，我们提出了Chatgpt如何代表Hausa的文化和情感。我们将Chatgpt发出的响应与本地豪萨人在37个具有文化相关的问题上提供的响应。我们使用情感分析进行了实验，并应用了两个相似性指标来衡量人与ChatGPT响应之间的比对。我们还收集了人类参与者的评分和有关ChatGPT响应的反馈。我们的结果表明，Chatgpt与人类反应有一定程度的相似之处，但在其知识和对豪萨文化和情感的认识方面也表现出了一些差距和偏见。我们讨论了我们的方法和分析的含义和局限性，并提出了改善低资源语言LLM的性能和评估的方法。
大脑发挥作用时：基于游戏的学习中的情感和回报的神经功能相关
媒体与传播部，LMU慕尼黑，慕尼黑，德国，B大学，Lapsyd´ E，CNR，CNRS，CNRS，Sorbonne Paris Cit´e，法国，法国，C c in信息技术与传播学院，坦佩雷大学，PORI，PORI，PORI，PORI，芬兰，教育和文化学院，教育和文化，Tampery，Tampery，Tampere，Tampere，Tampere，tampere，tampere，Finland Entical，Finland Entical，Finland Entical，Finland Entical，Finland Entical，Finland Entical，Finland Entical，Finland e Contigh大学，拉夫堡大学，英国，Frankany g的个人发展和自适应教育中心，德国G神经病学中心，神经心理学部，赫尔蒂·纳斯特·临床脑研究所神经心理学科，图宾根，德国Tübingen大学，德国Tübingen大学，h h。德国Tuebingen大学的研究生院和研究网络K Leibniz-InstitutFürWissensMedien，德国Tübingen，德国
崛起：桥接艺术和技术，以想象公众对气候变化的情绪
图6。社区积极从事上升的感觉。对于社区中许多青少年和高中生而言，崛起的感觉是他们首次接触气候紧急情况及其迫在眉睫的威胁。他们中的许多人决定参加安装上升的感觉。其他成员参与了通过调查从社区成员那里收集的感觉。访问公共艺术装置的孩子们喜欢四处奔波和玩耍。但是，他们的嬉戏强调了与2070年预计3.7英尺的洪水水平的严峻现实形成鲜明对比的。（©Matt Conti，2019年）
使用基于脑电图的脑机接口和可解释的机器学习预测人类情绪
情感计算研究领域取得了令人瞩目的成果，使得情绪识别算法能够整合到不同的临床环境中。一方面，越来越低成本的设备随处可见，人工智能算法取得了长足的进步，引发了通过脑电波进行情绪识别应用的快速发展。特别是基于脑电图的脑机接口 (BCI) 设备已被证明是获取脑电波的非常强大的工具，这既因为它们部署迅速，也因为它们在不同场景和环境中的广泛应用。脑电图信号主要用于诊断和治疗各种脑部疾病，包括癫痫、震颤、脑震荡、中风和睡眠障碍。机器学习 (ML) 作为一种分析方法已用于最近的脑电图应用。用于自动脑电图分析的 ML 方法引起了极大的兴趣，尤其是在临床诊断领域。例如，机器学习可以实现基于脑电图的睡眠阶段自动化 [ 1 ]，以及特定疾病（如阿尔茨海默病 [ 2 ]、自闭症谱系障碍 [ 3 ]、抑郁症 [ 4 ] 或一般脑电图病理 [ 5 , 6 ]）的神经系统诊断。有几个因素促成了
通过大脑 - 计算机界面检测情绪时，分析驾驶任务的影响
抽象的交通事故是年轻人中死亡的主要原因，这个问题今天造成了大量受害者。已经提出了几种技术来预防事故，是大脑计算机界面（BCIS）是最有前途的。在这种情况下，BCI被用来检测情绪状态，集中问题或压力很大的情况，这可能在道路上起着基本作用，因为它们与驾驶员的决定直接相关。但是，没有广泛的文献应用BCI来检测受试者在驾驶场景中的情绪。在这种情况下，需要解决一些挑战，例如（i）执行驾驶任务对情绪检测的影响以及（ii）在驾驶场景中哪些情绪更可检测到的情绪。为了改善这些挑战，这项工作提出了一个框架，该框架着重于使用机器学习和深度学习算法的脑电图来检测情绪。此外，已经设计了一个用例，其中有两种情况。第一种情况是聆听声音作为要执行的主要任务，而在第二种情况下，聆听声音成为次要任务，这是使用驾驶模拟器的主要任务。以这种方式，旨在证明BCI在这种驾驶方案中是否有用。结果改善了文献中现有的结果，可用于检测两种情绪（非刺激和愤怒）的准确性99％，三种情绪（非刺激性，愤怒和中性）的93％，四种情绪（非刺激性情绪（非刺激）（非刺激性，愤怒，中立和快乐）的精度为75％。