XiaoMi-AI文件搜索系统
World File Search SystemKatja
活细胞中的激酶目标参与
Pinker-Domenig博士是哥伦比亚大学Vagelos医师和外科医生学院（VP＆S）的放射学系的乳房成像部长，也是奥地利维也纳医科大学放射学系的兼职教授。她是翻译和临床乳房和肿瘤学成像的专家。她的研究兴趣专注于具有高分辨率磁共振成像（MRI）的高级乳房成像（MRI），使用多个先进的MRI参数，混合成像（PET）/MRI具有特定的示踪剂，以及在肿瘤学成像中应用AI以开发成像生物标志物的精确药物。她在乳房和肿瘤学成像中发表了超过200份经同行评审的论文。https://www.ncbi.nlm.nih.gov/myncbi/1ree7pglgsf5q/bibliography/public/
Michael Kerres*，Katja Buntins 人工智能增强学习推荐人：从教学设计的角度进行评估
摘要：作为人工智能增强人类学习的工具，推荐系统支持学习者寻找材料和排序学习路径。本文从教学设计的角度探讨了这些推荐系统如何改善学习体验。分析了当前推荐系统背后的机制，并得出了它们如何运作的具体例子：推荐系统要么基于专家、标准、行为或个人资料，要么依赖于社会比较。为了验证这五种不同机制的分类，我们分析了一组关于推荐系统的当前出版物，并发现所有已识别的机制中基于个人资料的方法最为常见。社交推荐系统虽然在其他领域极具吸引力，但在学习环境中也暴露出一些缺点。相比之下，基于专家的推荐易于实施，通常是向学习者推荐学习材料和学习路径的简单但有效的方法。它们可以与基于社会比较和个人资料的其他方法相结合。本文指出了研究学习推荐系统的挑战，并为未来的研究提供了建议。