心力衰竭 (HF) 患者通常罹患 2 型糖尿病和血糖不受控制的风险较高。此外,HF 患者中血糖不受控制的患病率在很大程度上是未知的。确定与血糖控制不佳相关的因素是制定有效干预方案的初步步骤。当前的横断面研究是在两家主要医院进行的,旨在探讨与心力衰竭和 2 型糖尿病患者血糖控制相关的因素。除了社会人口统计学之外,还使用医疗记录收集医疗信息,并使用经过验证的问卷评估药物依从性。回归分析显示,药物依从性差(OR = 0.432;95%CI 0.204– 0.912;P < 0.05)和白细胞计数增加(OR = 1.12;95%CI 1.033–1.213;P < 0.01)与血糖控制不佳有关。为了提高HF和糖尿病患者的血糖控制,未来的干预计划应专门针对白细胞计数高和药物治疗不佳的患者。
基于上述,约旦战略论坛(JSF)呼吁制定一种有效的国家战略,其主要目的是鼓励非正式雇用迁移到正式部门。开发专业和详细的数据库可以有助于理解非正式经济的特征(包括其各个部门)。这对于协助利益相关者做出适当决定很重要。此外,非正式受雇人数的任何减少都必须减少失业者的数量。
由冠状病毒疾病造成的灾难影响了全球所有服务。引入了一系列政策,以减缓病毒蔓延,这反过来又影响了医疗保健服务的获得性和质量。这对于慢性疾病患者(例如糖尿病患者(DM)和慢性呼吸道疾病(CRD)而言,这是一个有问题的,并且是有问题的。研究的目的是:1)评估来自DM和CRD患者的观点,在Covid-19期间的医疗服务的可及性和质量水平,2)评估患者社会人口统计学的关联及其在健康服务的访问和CR级别的良好范围以及探索DM和质量的时代的社会人口统计学之间的关联,并探索DM的良好范围。 新冠肺炎。
第 2 节区分了两种关于计算心智理论 (CTM) 历史的观点。传统观点将 CTM 追溯到行为主义心理学的缺陷以及 20 世纪 40 年代和 50 年代数字计算机的出现。Colombo 和 Piccinini 拒绝了这种观点,认为它扭曲并过度简化了 CTM。相反,他们主张以更基本的概念(如算法或机制)为基础的历史基础。有关其他示例,请参阅 Isaac 2018 和 Uckelman 2018。我认为他们的方法有四个优点。首先,它提供了对 CTM 的开创性贡献的细致入微的理解。以 McCulloch 和 PiS 1943 年的论文为例,该论文讨论了“全或无”神经信号及其用 1 和 0 表示的方式。Colombo 和 Piccinini 对 CTM 历史的思考方式使我们能够超越数字计算机信号的类比,并将该论文置于更悠久的算法形式化尝试历史中,可以追溯到莱布尼茨或尤利。其次,它捕捉了 CTM 与数字计算机无关的方面,例如大脑对连续变量的模拟操作,正如图灵 (1950) 和冯·诺依曼 (1958) 所讨论的那样。第三,Colombo 和 Piccinini 的方法通过强调与算法和机制相关的特定点,增强了思维/计算机类比。最后,它将历史叙述扩展至波斯数学家 Al-Khwarizmi (c.780-850),并将笛卡尔、霍布斯和洛夫莱斯等熟悉的人物联系起来。
3-11因变量的主要成分分析54 3-12所有变量的可靠性测试55 3-13受访者年龄56 3-14年受访者在57年57 3-15受访者教育59 3-16受访者职位59 3-17行业领域60
摘要:据报道,可再生能源政策,例如饲料式 - 纳税人(FITS)和补贴策略,有效地增强了安装太阳能光伏(PV)系统的社会可接受性。尽管如此,仍然需要采用定量评估方法来衡量这些政策可以实现清洁能源目标并支持决策过程的程度。因此,这项研究开发了系统动力学模型,以评估PV政策对约旦小型部门安装PV系统,能源安全和CO 2排放减少的社会可接受性的影响。模拟。拟合(补贴)策略的结果表明,预测的PV装置,产生的功率和CO 2排放量将达到67.125(88.38)GIGAWATT(GW),115.853(152.588)(152.588)Terra WH(TWH)(TWH),以及74.49(98.49.1114)一百万TONS,co 2 sons co 2,相应。为了实现这些目标,所需的累计拟合和补贴政策成本分别为2.2亿美元。敏感性分析遵循,以确定最佳价格和补贴比例,以优化不确定性下的PV目标。总而言之,发现了开发的模型,以衡量能源政策对PV目标的影响,从而在选择适当的能源政策和行动时为决策过程提供了大量的投入信息。最终采用合适和/或补贴政策,预计约旦将于2050年获得高水平的清洁能源安全,这可以增强能源能力并减轻全球变暖。未来的研究将研究影响PV系统社会可接受性的因素。
这位获奖者最近的兴趣之一是将机器学习应用于经济学。在多个参与者将决策委托给同一系统的情况下,推荐系统必须能够适应以避免拥堵。例如,一个拥有数十万居民的城镇中使用的 GPS 应用程序可能会同时向一千名用户推荐同一条去机场的路线,从而导致交通拥堵。乔丹正在努力开发机器学习系统来克服这个问题,反映人们的偏好,同时允许他们在同一系统内协作(例如,选择替代路线以减少每条路线上的交通拥堵)。“我们的目标是让人们和决策系统一起工作,找到对每个人都有价值或合适的解决方案。这是经济学家会考虑的事情,”他在一次采访中解释道。“这并不是要收集大量的知识,了解世界的一切并告诉我们答案。更多的是让我们更好地联系,这样我们就可以彼此获得更多,更有效地合作。我想赋予人类权力,而不是让人工智能告诉人类该做什么。”
简介:NASA 已确定迫切需要设计、制造和测试原位资源利用 (ISRU) 组件,以便在月球和/或火星上利用风化层资源生产纯净水、氧气和氢气。长期停留在月球或火星表面需要随时可用的纯净水源。水净化后,可用作氧气来源(既可作为居住舱人员的可呼吸空气,又可作为推进剂氧化剂),也可用作氢气作为推进剂燃料。将任何这些资源大量运输到月球或火星表面都很困难且成本高昂,因此必须使用原位资源来生成推进剂和生命支持消耗品。NASA 已明确确定需要开发和测试关键组件,以便从月球两极永久或近永久阴影区 (PSR) 的冰中提取和净化水。月球水可用于生产氢氧推进剂,用于月球运输工具(上升器和着陆器)、可重复使用的地月运输工具,以及最终用于人类火星及更远地区的任务。预计每次任务需要生产 14 至 50 公吨 H 2 /O 2 推进剂。此前从未有人对原位月球水进行过净化和电解。它带来了独特的挑战,与月球水和月球极地环境中存在的危险、有毒和易燃气体有关;以及发射到月球表面的系统通常存在的限制(质量、体积、功率、自主性、稳健性、可靠性和寿命)。这项技术的开发对于人类实现在月球上的可持续存在至关重要。利用该技术支持此类努力还将认证硬件是否可用于火星,在火星上,脱离地球对于机组人员的生存来说更为关键。
摘要目前,全基因组测序(WGS)数据尚未显示与常用的β-LAC TAM/β-内酰胺酶抑制剂(BL/BLI)组合的大肠杆菌易感性概况:ampicillin-sulbactam(sam),amoxicil-lin-clavulavulanate(amclavulanate(amc)和pippirclin(ampicillin-sulbactam(sam)和pipperp)和pippober(ampicillin-sulbactam(sam)和pipeper),在没有头孢菌素耐药性的情况下,对这些BL/BLI的进行性抗性(也称为对BL/BLI(ESRI)的延伸谱耐药性)的渐进性主要主要是由于BLA TEM变体的拷贝数增加而引起的,而BLA TEM变体的拷贝数量增加,这在WGS数据中未经常评估。我们试图通过对147个大肠杆菌细菌分离株的WGS分析来提高基因扩增的添加是否可以改善基因型-pheno型关联,而BL/BLI的类别增加了非敏感性,范围从氨苄西林(AMP)(AMP)易感性到对所有三个BLIS的完全抗性。与BLA TEM在ESRI中的关键作用一致,至少具有至少氨苄西林的112/134菌株(84%)非敏感性编码的BLA TEM。在40/112(36%)菌株中存在BLA TEM扩增的证据(即Bla TEM基因拷贝数估计> 2×)。BLA TEM拷贝数与最小抑制浓度的AMC和TZP之间存在正相关(P <0.05),但对于SAM没有(P = 0.09)。在AMC和TZP-NON敏感性的aMC和TZP-NON敏感性中,β-内酰胺抗性机制的多样性(包括非CECF三脱三甲酮水解BLA CTX-M变体),BLA OXA-1,AMPC和BLA TEM强启动子突变更大。我们的研究表明,WGS数据(包括β-内酰胺酶编码基因扩增)的全面分析可以帮助用AMC或TZP非敏感性对大肠杆菌进行分类,但要辨别从SAM易感性到SAM使用遗传数据的SAM非敏感性的过渡。
约旦大学教育科学学院 摘要 本研究旨在确定基于人工智能的教育软件教学方法对约旦 10 年级计算机科学学生学业成绩及其态度的影响。为了实现本研究的目标,设计了一个计算机软件,应用于约旦大学学校特意选择的 (50) 名 10 年级学生。研究样本随机分为两组:使用教育软件教学的实验样本和以传统方法教学的对照样本,研究人员准备了一个成就测试来衡量 10 年级学生在计算机科学科目的学业成绩,其中测试的有效性和可靠性已经过验证,重测信系数为 (0.86)。准备了一份关于态度的问卷,并验证了其有效性和可靠性。问卷的信度系数基于Cronbach's alpha方程为(0.01)。为了分析结果,我们使用了协方差分析(ANCOVA),研究结果表明,实验组使用基于人工智能的教育软件学习计算机科学学科具有统计学上的显著差异。结果还显示,实验组对教育软件的态度为中等积极。本研究建议在计算机科学学科教学领域设计和开发计算机化软件,并在基础教育领域培训和鼓励教师使用基于人工智能的学习。关键词:人工智能软件、学业成绩、学生态度、约旦大学学院 DOI:10.7176/JEP/11-7-10 出版日期:2020 年 3 月 31 日 1.1 简介 我们这个时代教育过程面临的最核心挑战之一是探索有效的教育方法的能力,以及能够设计一个满足学习者需求、激励他们并激发他们融入教育过程兴趣的交互式学习环境。随着各种现代技术手段的出现,传统方法的教学已不再可行,必须在适当的教育位置激活和使用技术,以确保取得积极成果。虽然教学方法自古以来就存在,但并没有以系统的方式使用目的不仅仅是使用技术,而是根据教育情况和教育过程的目标来规划选择适当的教育方法。根据目标学习者在适当的教育位置使用适当的教育工具时,我们可以为学习过程增加新的价值;我们可以实现我们努力实现的目标,因为信息和通信技术提供了许多超越时间和空间限制的高效手段。它还为学习者开辟了新的视野,通过该技术提供的服务(例如互联网、电子邮件、教育软件、交互式白板、视觉媒体、视听手段和现成的教育包),赋予学习者在学习和互动过程中的责任和最大作用(Bani Abdo,2017)。正如 Zemam 和 Sulaimani (2013) 指出的那样,我们必须努力理解和研究这些方法对教育学习过程的重要性和影响,并确定它们的类型,以便根据目标受众或适当的教育立场区分最合适的类型。在此背景下,我们必须确定在特定教育情况下使用特定方法的效果,其中使用一种方法比在相同教育情况下使用另一种方法对目标学习者的影响更大。鉴于知识的扩展和通信手段的技术发展正常导致生活的各个方面的巨大发展和加速变化,以及所有科学领域中大量信息的可用性,有必要发展教育理念并改变教师的角色,摆脱传统的填鸭式教学,更多地依靠在学习者面前提供专业领域。出于这些原因,提供允许专业领域多样化的教育手段至关重要,这使得学习者能够实践学习过程以获得新的经验,使他能够面对生活中不断变化的需求。