XiaoMi-AI文件搜索系统
World File Search SystemITSS
机器教学交互设计助力人工智能导师培养
摘要 事实证明，智能辅导系统 (ITS) 无论是单独使用还是与传统教学相结合，都能够提高学生的学习成果。然而，构建 ITS 是一个耗时的过程，需要现有工具的专业知识。现有的创作方法，包括认知导师创作工具 (CTAT) 的示例追踪方法和 SimStudent 的辅导创作，都使用演示编程，使创作者能够比使用模型追踪进行手动编程更快地构建 ITS。然而，这些方法仍然存在创作时间长或难以创建完整模型的问题。在本研究中，我们证明使用学徒学习者 (AL) 框架构建的模拟学习者可以与一种强调模型透明度、输入灵活性和问题解决控制的新颖交互设计相结合，使创作者能够比现有创作方法在更短的时间内实现更高的模型完整性。
与网络 - 物理 - 社会空间中的大型模型和基础智力的平行驾驶
近年来见证了连接和自动驾驶汽车（骑士）的许多技术突破。一方面，这些突破已经显着推动了智能运输系统（ITS）的发展；另一方面，这些新的交通参与者向社交空间中的ITS介绍了更复杂和不确定的元素。数字双胞胎（DTS）提供了实时，数据驱动的精确建模，用于构建物理世界的数字映射。同时，元元整合了诸如虚拟现实/混合现实，人工智能和DT等新兴技术，以建模和探索如何实现改善的可持续性，提高效率和增强的安全性。最近，作为通用人工智能的主要努力，提出了基础模型的概念并取得了巨大的成功，这表明了为不同领域的各种人工智能应用奠定基石的巨大潜力。在本文中，我们探索了在网络物理 - 社会空间中并行驱动的大型模型，这些智能将元元和DT整合起来，以构建用于CAVS的平行训练空间，并列出对关键特征和操作机制的全面阐明。除了提供并行驾驶的大型模型的基础架构和基础智能外，本文还讨论了未来的趋势和潜在的研究方向以及并行驾驶的“ 6s”目标。
3DG：使用生成AI来处理智能辅导系统的稀疏学习者性能数据的框架
抽象学习绩效数据（例如，测验得分和尝试）对于理解学习者的参与和知识掌握水平而言至关重要。但是，从智能辅导系统（ITS）收集的学习绩效数据通常会遭受稀疏性，从而影响了学习者建模和知识评估的准确性。为了解决这个问题，我们介绍了3DG框架（用于致密化和生成的3维张量），这是一种新型方法，将张量分解与先进的生成模型（包括生成对抗性网络（GAN）和生成性预训练的变压器（GPT））相结合，以增强数据插入和增强数据插入。该框架首先将数据表示为三维张量，从而捕获学习者，问题和尝试的维度。然后，它通过张量分解来致密数据，并使用生成AI模型增强数据，该模型是根据通过聚类识别的个体学习模式量身定制的。由成人扫盲中心（CSAL）中心的自动课程中的数据应用，3DG框架有效地生成了可扩展的，个性化的学习绩效模拟。比较分析揭示了GAN在这种情况下比GPT-4的出色可靠性，强调了其在解决ITS的数据稀少挑战方面的潜力，并有助于进步个性化的教育技术。
3DG：使用生成AI来处理智能辅导系统的稀疏学习者性能数据的框架
抽象学习绩效数据（例如，测验得分和尝试）对于理解学习者的参与和知识掌握水平而言至关重要。但是，从智能辅导系统（ITS）收集的学习绩效数据通常会遭受稀疏性，从而影响了学习者建模和知识评估的准确性。为了解决这个问题，我们介绍了3DG框架（用于致密化和生成的3维张量），这是一种新型方法，将张量分解与先进的生成模型（包括生成对抗性网络（GAN）和生成性预训练的变压器（GPT））相结合，以增强数据插入和增强数据插入。该框架首先将数据表示为三维张量，从而捕获学习者，问题和尝试的维度。然后，它通过张量分解来致密数据，并使用生成AI模型增强数据，该模型是根据通过聚类识别的个体学习模式量身定制的。由成人扫盲中心（CSAL）中心的自动课程中的数据应用，3DG框架有效地生成了可扩展的，个性化的学习绩效模拟。比较分析揭示了GAN在这种情况下比GPT-4的出色可靠性，强调了其在解决ITS的数据稀少挑战方面的潜力，并有助于进步个性化的教育技术。
与网络 - 物理 - 社会空间中的大型模型和基础智力的平行驾驶
近年来见证了连接和自动驾驶汽车（骑士）的许多技术突破。一方面，这些突破已经显着推动了智能运输系统（ITS）的发展；另一方面，这些新的交通参与者向社交空间中的ITS介绍了更复杂和不确定的元素。数字双胞胎（DTS）提供了实时，数据驱动的精确建模，用于构建物理世界的数字映射。同时，元元整合了诸如虚拟现实/混合现实，人工智能和DT等新兴技术，以建模和探索如何实现改善的可持续性，提高效率和增强的安全性。最近，作为通用人工智能的主要努力，提出了基础模型的概念并取得了巨大的成功，这表明了为不同领域的各种人工智能应用奠定基石的巨大潜力。在本文中，我们探索了在网络物理 - 社会空间中并行驱动的大型模型，这些智能将元元和DT整合起来，以构建用于CAVS的平行训练空间，并列出对关键特征和操作机制的全面阐明。除了提供并行驾驶的大型模型的基础架构和基础智能外，本文还讨论了未来的趋势和潜在的研究方向以及并行驾驶的“ 6s”目标。
变革交集的愿景
现有的交叉点设计具有双重目标：调节交通流量并确保所有道路使用者的安全。他们通过相互间接的路径来控制车辆和行人的运动，以优化效率和安全性。然而，在迅速的技术进步的背景下，软件定义的功能很普遍，传统的交叉点在很大程度上取决于硬件，从而限制了它们的适应性以及它们可以集成技术升级的便利性。这种限制至关重要，因为紧急技术可以显着提高安全性和运营效率。这些进步通常取决于连接的交叉点的功能，这些交叉点是智能转换系统（ITS）不可或缺的。ITS使用蜂窝V2X技术来促进车辆，基础设施和其他道路使用者之间的强大无线通信，从而支持信号阶段和时间安排，避免碰撞以及合作自动驾驶等功能。尽管取得了这些进步，但车道交叉系统仍然具有策略和不可编程，无法完全满足对运输效率和安全性的不断发展的需求。本文介绍了OpenInter-extions，这是一个变革性的框架，通过合并和模块化高级技术（例如相机系统，激光雷达传感器，V2X通信）和异质稳定平台来重新涉及相交设计。itOpenIntersection旨在支持自适应软件定义的交叉点（SDI）系统的快速开发，验证和部署，以优化交通流量并有效地增强道路安全性。
请致电论文
卢森堡大学和IEEE ITSS BENELUX分会的Mobilab运输研究小组正在共同组织第9届国际智能运输系统模型和技术会议（MT-ITS 2025），将于2025年9月8日至10日在卢森堡大学的Kirchberg校园举行。符合罗马（2009年），鲁文（2011），德累斯顿（2013），布达佩斯（2015）（2015年），那不勒斯（2017），克拉科夫（2019），慕尼黑（2021），尼斯（2023）和尼斯（2023），MT-ITS2025的旨在召集欧洲和跨越阶段的发展范围的研究者， 一致。为其建模和技术建模，以呈现最新的更新，并促进这些关键运输系统之间的交叉施用。一致。为其建模和技术建模，以呈现最新的更新，并促进这些关键运输系统之间的交叉施用。一致。为其建模和技术建模，以呈现最新的更新，并促进这些关键运输系统之间的交叉施用。
人工智能 (AI) 能帮助计算机科学教育吗？元分析方法
摘要：已有多项研究调查了人工智能 (AI) 对学生在教育中的学习成绩的影响。然而，针对计算机科学 (CS) 教育的研究有限，而无论未来的职业如何，这都被认为是至关重要的。因此，关于人工智能如何影响学生在 CS 教育中的学习成绩的信息很少。为了解决这一研究空白，本研究进行了系统评价和荟萃分析，以调查人工智能整合如何影响 CS 教育中的学习成绩以及这种影响的潜在调节变量。具体而言，本研究纳入并进行了荟萃分析的 28 项研究（共 2765 名参与者），获得的效应大小非常大（g = 1.36，p <.001）。特别是，发现智能辅导系统 (ITS) 的效果最高（g =
人工智能如何赋能当今的英语教学和学习？英语背景下的人工智能综述
蓬勃发展的人工智能 (AI) 为教育领域的人工智能提供了肥沃的土壤。到目前为止，很少有评论探讨人工智能如何赋能英语作为外语 (EFL) 的教学和学习。本研究试图通过总结和描述人工智能应用的六种主要形式，包括自动评估系统、神经机器翻译工具、智能辅导系统 (ITS)、人工智能聊天机器人、智能虚拟环境和 ITS 中的情感计算 (AC)，对 EFL 环境中的人工智能进行简要而深刻的概述。此外，本评论还发现，目前在 EFL 环境中应用 AC 以及探索人工智能在 EFL 环境中的教学和伦理影响方面的研究很少。最后，本文阐明了技术和教师角度的挑战以及未来的研究方向，希望为未来的研究提供新的见解。
人工智能技术及其在语言学习和教学中的应用
摘要：人工智能 (AI) 正在改变教育的诸多方面，并逐渐被引入语言教育。本文回顾了相关文献，以探讨人工智能技术及其在第二语言和外语学习与教学中的应用的主要趋势和共同发现。本文特别参考了计算机辅助语言学习 (CALL)，探讨了自然语言处理 (NLP)、数据驱动学习 (DDL)、自动写作评估 (AWE)、计算机动态评估 (CDA)、智能辅导系统 (ITS)、自动语音识别 (ASR) 和聊天机器人。它有助于理解和使用人工智能支持的语言学习和教学的讨论。它表明人工智能将不断融入语言教育，人工智能技术和应用将对语言学习和教学产生深远的影响。语言教育者需要确保人工智能有效地用于支持人工智能驱动环境中的语言学习和教学。建议对人工智能支持的语言学习和教学进行更严格的研究，以最大限度地利用人工智能进行第二语言和外语的学习和教学。