XiaoMi-AI文件搜索系统
World File Search SystemGamification
对其对学生成绩影响的荟萃分析
从最简单的技术——视听学习——到人工智能在教育中的应用，技术在教育中的应用已有 20 多年。尽管基于人工智能的学习媒体技术越来越受欢迎，但关于其对学生成绩的影响仍然缺乏可靠的实证数据。这项荟萃分析旨在调查干预时间的影响，并结合多项研究的结果，更全面地描绘出人工智能媒体在教育中的实用性。在本研究中，定量研究采用荟萃分析设计。Publish or Perish 工具使用 Scopus 数据库和 Google Scholar 从已发表的论文中收集二手数据——使用 R 软件对组对比荟萃分析数据进行数据分析。该研究的结果表明，使用基于人工智能的学习资源如何极大地影响学生的学业成绩。P 值总效应大小和三个调节变量（大陆、获得的成就和干预持续时间 < 0.05）表明，基于人工智能的学习媒体的总结效应的总体值（将技术产品与软件、网络程序、增强现实和游戏化相结合，在提高从小学到大学阶段的学生成绩方面，从 2019 年到 2024 年）仍然具有显着的影响力。因此，应更广泛地使用人工智能 (AI) 来准备学习媒体，以最大限度地提高学生的学术和非学术成就。
如何在监督驾驶自动化的同时保持驾驶员的参与度？文献调查和六个解决方案领域的分类
摘要 这项工作旨在组织建议，以便在人类监督自动化驾驶期间保持人们的参与度，鼓励安全和可接受地引入自动驾驶系统。首先，利用人为因素、人体工程学和心理学理论的启发式知识来提出解决人类监督控制持续注意力问题的解决方案领域。绘制了驾驶和非驾驶研究示例以证实解决方案领域。汽车制造商可以（1）完全避免这种监督角色，（2）以客观的方式减少它或（3）改变其主观体验，（4）利用条件学习原理，例如游戏化和/或选择/训练技术，（5）支持内部驾驶员认知过程和心理模型和/或（6）利用有关驾驶员、驾驶任务和驾驶环境之间关系的外部信息。其次，对有影响力的人机交互研究进行了跨领域文献调查，以了解如何在监督控制中保持参与度/注意力。独立评估者对研究建议的分类表明，解决方案领域（通过数字主题代码）可靠地应用。 大约 70% 或更多的研究涉及领域 (5) 和 (6)，大约 50% 的研究涉及领域 (2) 和 (4)，而不到 20% 和 5% 的研究涉及领域 (3) 和 (1)。 本贡献提供了一个指导组织
审查计算机认知重新培训程序...
计算机科学与工程系1,2,3,4 NUTAN工程与研究学院，印度浦那，jadhans2003@gmail.com，aniketbhilare100@gmail.com，sanketsnikam@gmail.com，sanketsnikam@gmail.com，angadi.sanjeevkumar@gmail.com阅读障碍，障碍和障碍症。它旨在通过给予互动性的，基于技术的活动来帮助他们遇到认知困难的儿童，这些活动集中在记忆，集中和解决问题的技能等关键能力上。该计划考虑了每个孩子的进度，并提供了定制的学习体验，使学生保持兴趣并避免认知超负荷。CCRP激励年轻的学习者，并通过使用游戏化，视觉反馈和即时响应机制来改善保留率。绩效指标，例如任务完成率和记忆召回，用于评估该计划的功效，教育者和看护人会收到个性化的进度报告。该程序还旨在包含一个界面，无论他们的技能如何，孩子都可以轻松访问该界面。高度遵守道德标准，可以保证保护数据和父母许可。根据发现，CCRP在增强儿童的学术和认知表现方面具有巨大的潜力，从而为学习障碍的孩子提供了可扩展且负担得起的解决方案。未来的研究应着重于此类计划对学术绩效的长期影响及其将其扩展到更多人关键词的完善：计算机化认知重新训练计划，学习障碍，记忆，注意力，解决问题，教育技术，个性化学习，数字干预，认知发展，认知发展
人工智能在需求获取和分析中的影响的文献综述
本论文由两名学生在斯德哥尔摩大学战略信息系统管理学位课程中完成。如本研究所述，需求工程中的手动获取过程容易出错且耗时。传统方法和技术通常会产生具有模糊性、不足、不完整、不一致和过时特征的需求。研究问题集中在对人工智能在支持识别精确和详细需求方面的具体作用缺乏清晰的理解，以及需要总结相关工作的发现。本论文的目标是研究人工智能在需求工程中的影响，主要关注需求获取和分析。在介绍需求工程、传统获取方法和人工智能的基本背景知识后，进行了系统的文献综述，以揭示需求获取和分析中使用的人工智能方法、技术和工具。在 PRISMA 方法的帮助下，总结并介绍了主要发现和结果。大多数在线文献都集中在与传统方法相关的各种问题上，并介绍了人工智能聊天机器人、文本挖掘和自然语言处理技术、虚拟现实、情感分析、众包、深度学习技术、游戏化和贝叶斯网络如何提高需求引出的质量和速度。面临的主要挑战之一是，没有与传统方法和指标进行广泛的比较，以了解人工智能如何全面帮助需求引出——只有每个案例的指标。此外，对于哪种人工智能方法和工具适合每种引出和分析方法，没有明确的定义。
可持续发展领域行为改变的数字技术：系统映射审查
可持续性研究已成为实现可持续发展的跨学科知识领域，而实现这一目标的政治行动仍处于起步阶段。可持续的世界反映在健康的环境中，人类可以在不危及子孙后代生存的情况下生活。本文的主要目的是对数字技术在促进环境可持续性方面的应用进行系统映射 (SM)。通过对不同数据库的严格搜索，我们最初检索到一组 1000 多项研究，然后根据基于 ROSES（系统证据合成报告标准）程序的筛选标准，共选择了 N = 37 项符合资格标准的研究。这些研究根据不同的描述性变量进行编码，例如用于干预的数字技术、所提倡的可持续行为类型、研究设计和干预适用的人群。结果显示，出现了三大数字技术集群（即虚拟/沉浸式/增强现实、游戏化和电力计量系统）和两种主要的可持续行为（即节能节水和减少污染）。这组研究的结果并没有表明需要更清楚地了解哪些数字干预措施有效以及它们有效（或无效）的原因。未来对数字干预的研究应该更好地详细说明干预设计的特点，以及设计选择背后的原因，包括行为和技术方面。这应该会增加成功采用数字干预措施的可能性，从而促进行为朝着更可持续的方向转变。
改变游戏化的物理干预
摘要 - 本研究研究了触发的屏幕限制（TSR）框架的有效性，这是一种促进运动的新技术，将负面增强与自适应游戏化元素结合在一起。与对照组相比，该研究研究了TSR框架对体育活动水平，成瘾性，健康指标，心理因素和应用可用性的影响。采用了混合实验设计，使用TSR框架的自定义iOS应用程序随机分配给30个参与者，或使用具有TSR功能的类似应用程序的对照组。结果表明，TSR组表现出明显更高的体育活动水平（P <.05）。TSR框架导致APP使用频率显着增加（P <.001）。健康指标通过单腿立场测试（p <.05）显示出平衡和稳定性的显着提高，而其他健康指标（包括一分钟内完成的最大跳跃千斤顶，运动后心率和身体成分）都没有显着变化。对心理因素的分析表明，TSR组的感知能力显着提高（p <.05），没有观察到的自主性或相关性的重大变化。与控制条件相比，TSR干预表现出明显更好的可用性指标，包括易用性，系统可靠性和可感知的有用性（所有p <.001）。这项研究有助于扩大游戏化的物理干预措施的采用，并将TSR框架作为解决身体不活动的有效技术。未来的研究应探讨长期有效性，不同的人群以及与可穿戴设备的整合，以进一步验证和完善TSR方法来解决身体不活动。
如何在监督驾驶的同时保持驾驶员的参与度...
摘要。这项工作旨在组织建议，以在人类监督驾驶自动化期间保持人们的参与，鼓励安全和可接受地引入自动驾驶系统。首先，使用人为因素、人体工程学和心理学理论的启发式知识来提出解决人类监督控制持续注意力问题的解决方案领域。绘制了驾驶和非驾驶研究示例来证实解决方案领域。汽车制造商可以 (1) 完全避免这种监督角色，(2) 以客观的方式减少它或 (3) 改变其主观体验，(4) 利用条件学习原理，例如游戏化和/或 20 选择/训练技术，(5) 支持内部驾驶员认知过程和 21 心理模型和/或 (6) 利用有关驾驶员、驾驶任务和驾驶环境之间关系的外部信息。 23 其次，对有影响力的人机交互研究进行了跨领域文献调查，以了解如何在监督控制中保持参与度/注意力。从独立评估者对研究建议的分类中发现，解决方案领域（通过数字主题代码）可靠地应用。约 70% 或更多的研究中涉及领域 (5) 和 (6)，约 50% 的研究中涉及领域 (2) 和 (4)，而领域 (3) 和 (1) 分别不到约 20% 和 5%。pres
利用AI驱动的轻推理论来增强手卫生的依从性：为未来的感染控制铺平道路
手卫生对于预防感染至关重要，但是在医疗保健，学校和社区中保持合规性仍然具有挑战性。尽管有强有力的证据，但由于认知障碍，人手不足，资源有限和抗菌素耐药性而导致失误。行为科学强调了时间限制和影响依从性的认知偏见，其合规率低至40％。Nudge理论通过使用视觉或听觉提示（如听觉提示）来鼓励手动卫生而不施加严格的法规，从而提供了有希望的解决方案。最近的创新将人工智能（AI）与轻推，通过实时反馈提高合规性。AI驱动的系统，例如智能分配器和可穿戴设备，在关键时刻使用视觉或听觉提示提供了提醒。例如，当医护人员进入患者的房间，促使手动卫生时，分配器可能会点亮或发出声音。研究表明，这些AI驱动的干预措施显着提高了依从性，在某些情况下，利率最高为30％。AI还可以分析不合规的模式，在高风险时期内部署个性化的轻推。将轻推理论与游戏化（例如基于团队的竞争和奖励）相结合，进一步加强了积极的习惯。但是，在印度等国家实施AI解决方案面临挑战，包括资源有限，对新技术的抵抗和文化障碍。尽管有障碍，但将AI驱动的轻推与行为策略相结合有可能改变手部卫生实践。这种方法促进了问责制，降低了感染率，并通过将遵守符合纳入日常工作，从而确保更安全的患者护理，为感染控制的可持续改善铺平了道路。
人工智能与人类行为发展
尽管人们非常重视将 21 世纪技能纳入教育框架，特别是在小学阶段，但最近的学术研究表明，不同国家和地区在实施这些技能方面存在相当大的差异，这表明需要进一步研究，特别是针对小学教育。欧洲的 Digicomp 框架和 21 世纪技能指标概述了所有公民（包括教师和学生）终身学习所需的关键能力。从这个角度来看，教育在确保公民获得所需技能方面发挥着根本作用。欧洲共同框架的目标很明确：启动从知识文化到能力文化的过渡。如今，技术进步使研究人员能够创建和结合不同的框架，以实现更加量身定制和参与度更高的教育，一些例子来自虚拟现实 (VR) 和增强现实 (AR) 的实施，游戏化和人工智能的结合，或智能辅导系统 (ITS) 的开发，以促进和创造更加个性化的学习和教学。基于这些前提，我们在本文中希望指出新的研究反思和观点，以帮助研究人员、教师、教育工作者（以及学生）反思新技术（例如人工智能、机器人导师）的引入，以及这些技术如何影响人类行为发展和新技能和能力的获得（具体而言：创造力、批判性思维、解决问题和计算思维）。通过分析，提出了一种观点，即创造力、批判性思维和解决问题如何有效地促进计算思维，以及人工智能（AI）如何成为教师在学校和教育环境中培养创造力、批判性思维和解决问题能力的辅助工具。
ecodrive-susabinable乘车服务
部门印度班加罗尔总统大学计算机科学与工程学摘要：Ecodrive是一种创新的移动应用程序，旨在通过减少碳足迹并通过拼车来促进可持续的城市运输。随着对气候变化和交通拥堵的越来越关注，Ecodrive通过提供优先考虑环保实践的乘车服务来提供解决方案。该应用程序使用户能够与其他人在类似路线上旅行的其他人拼车，从而大大降低了与单个车辆使用相关的碳排放。Ecodrive的一个关键特征是其碳足迹计算器，它量化了每种骑行的环境影响，并用虚拟硬币奖励用户来减少其碳足迹。这些硬币可以兑换以获得折扣和其他奖励，激励用户继续采用环保旅行行为。在此上，Ecodrive在夜间游乐设施中纳入了基于性别的优先级算法，解决了针对易受伤害的旅客，尤其是女性的安全性问题。通过确保乘客与夜间旅行期间的其他性别相匹配，该应用程序提供了额外的安全层，使其成为可信赖和环保旅行的值得信赖的平台。该应用程序集成了高级算法，用于乘坐匹配，地理空间优化和实时数据处理，以确保效率和可伸缩性。具有用户友好的界面，Ecodrive不仅提供了可持续的运输解决方案，而且还培养了一个环保车手的社区，鼓励向更绿色的城市流动性转移。最终，Ecodrive有助于减少二氧化碳排放，减轻交通拥堵并促进城市交通系统中的社会责任。索引术语：可持续运输，拼车，减少碳足迹，游戏化，地理空间优化，实时数据处理。