XiaoMi-AI文件搜索系统
World File Search SystemLing
尼日利亚的疫苗犹豫：克服文化，语言和宗教障碍1 Grace Temiloluwa Agbede 2 Dominica Emezirinwune 1 Theophilus
Vaccine Hesitancy in Nigeria: Overcoming Cultural, Linguistic and Religious Obstacles 1 Grace Temiloluwa Agbede 2 Dominica Emezirinwune 1 Theophilus Adedokun 3 Patricia Idowu-Collins 1 Research and Postgraduate Support, Durban University of Technology, South Africa 2 Department of Business Administration, University of Lagos, Nigeria 3 World Health Organization, Taraba State Field Office,尼日利亚墨西哥jal虫抽象疫苗犹豫对尼日利亚的公共卫生努力构成了重大挑战，尼日利亚是一个以巨大的文化和语言多样性为特征的国家。在本文文章中研究了语言障碍，文化和宗教信仰以及导致尼日利亚许多种族疫苗的疫苗犹豫的历史因素之间的相互作用。它分析了尼日利亚父母关于儿童疫苗接种的决策过程和信息需求。本文评估了现有的疫苗推广干预措施和沟通策略的有效性，突出了成功，局限性和改进领域的有效性。通过巩固研究结果，该评论旨在告知在文化上适当和特定于上下文的方法，以解决疫苗犹豫不决并增强尼日利亚的疫苗摄取。建议强调形成性研究，社区参与，卫生保健工人的能力建设以及通过量身定制的疫苗接种信息和支持来吸引各种沟通渠道的战略使用。关键字疫苗犹豫，疫苗，犹豫的决定因素，促销干预措施，疫苗促进，预防，
ChineseEEG：用于语义对齐和神经解码的中文语言语料库脑电图数据集
利用富文本刺激的脑电图 (EEG) 数据集可以促进对大脑如何编码语义信息的理解，并有助于脑机接口 (BCI) 中的语义解码。针对包含中文语言刺激的 EEG 数据集稀缺的问题，我们提出了 ChineseEEG 数据集，这是一个高密度 EEG 数据集，并辅以同步眼动追踪记录。该数据集是在 10 名参与者默读两部著名小说中约 13 小时的中文文本时编制的。该数据集提供长时间的 EEG 记录，以及预处理的 EEG 传感器级数据和由预训练的自然语言处理 (NLP) 模型提取的阅读材料的语义嵌入。作为源自自然中文语言刺激的试点 EEG 数据集，ChineseEEG 可以显著支持神经科学、NLP 和语言学的研究。为中文语义解码建立了基准数据集，有助于脑机接口的发展，并有助于探索大型语言模型与人类认知过程的契合。它还可以帮助研究中文自然语言背景下的大脑语言处理机制。
Ling He，医学博士，博士 Challice Bonifant，医学博士，博士
Ling He，医学博士，博士 标题和系副教授，儿科专业领域的葡萄糖和脂质的肝脏代谢，通过AMPK激活，胰岛素抵抗和肝脂肪变性，肥胖和II型糖尿病摘要的胰岛素耐药性和肝脂肪变性通过 他的研究重点是肝脏代谢，特别是葡萄糖和脂质代谢以及线粒体动力学的参与。 目前，他的实验室正在研究NIH资助的项目，以定义二甲双胍对线粒体动力学影响和通过AMPK激活的呼吸的分子机制。 他还有另一个由NIH资助的项目，用于研究导致肥胖症和2型糖尿病中胰岛素抵抗和肝脂肪变性的矛盾同意的机制。 此外，他的实验室正在研究负责新生儿线粒体扩张的机制。 出版物 - 阻断AMPKαS496磷酸化可改善中的线粒体动力学和高血糖Ling He，医学博士，博士标题和系副教授，儿科专业领域的葡萄糖和脂质的肝脏代谢，通过AMPK激活，胰岛素抵抗和肝脂肪变性，肥胖和II型糖尿病摘要的胰岛素耐药性和肝脂肪变性通过他的研究重点是肝脏代谢，特别是葡萄糖和脂质代谢以及线粒体动力学的参与。目前，他的实验室正在研究NIH资助的项目，以定义二甲双胍对线粒体动力学影响和通过AMPK激活的呼吸的分子机制。他还有另一个由NIH资助的项目，用于研究导致肥胖症和2型糖尿病中胰岛素抵抗和肝脂肪变性的矛盾同意的机制。此外，他的实验室正在研究负责新生儿线粒体扩张的机制。出版物 - 阻断AMPKαS496磷酸化可改善
收到：2023 年 9 月 5 日|收到：修订版 2023 年 11 月 15 日|接受 2024 年 1 月 16 日 APA 引用：Aluthman, E., S. (2024)。对阿拉伯研究人员使用人工智能工具进行英语出版编辑任务的调查。《欧亚应用语言学杂志》，10 (1)，174-185。Doi：http://dx.doi.org/10.32601/ejal.10116
摘要 人工智能 (AI) 的普及影响了学术出版。本研究探讨了以英语发表论文的阿拉伯研究人员对 AI 工具的使用情况。进行了一项调查，以收集有关在研究构思、写作、编辑和出版中采用 AI 工具的信息。它收集了 84 名参与者的回复，他们提供了有关使用 AI 时的使用模式、遇到的挑战以及道德考虑的见解。研究结果显示，AI 工具的采用率各不相同，其中语言正确性和内容增强（例如语法和拼写检查）的使用率很高。受访者强调了使用 AI 工具的道德影响，包括需要确保数据质量、防止抄袭和保持道德标准。Grammarly、Endnote 和 QuillBot 等工具因其在解决常见挑战方面的实用性而受到认可。然而，某些与研究相关的任务，尤其是研究设计，表现出较低的 AI 工具集成度。该研究强调了对 AI 工具的认识和采用之间的差距，表明了其使用的潜在障碍。确定了成本、集成问题以及对 AI 生成内容的准确性和适当性的担忧等挑战。这些发现为研究人员、机构和出版商提供了见解，以增强编辑流程，促进合乎道德的 AI 工具使用，并弥合认识和采用之间的差距。
语言对视觉感知的短暂和长期影响：通过记忆巩固改变大脑动态
简介 越来越多的证据表明，语言会影响感知（例如，Lupyan 等人，2020 年）。例如，感知上相似的物体或颜色如果被标记为不同，则会被认为彼此更加不同。这种现象称为类别感知 (CP)，可以增强对跨越语言类别边界的刺激的辨别能力，甚至有意识地检测刺激（Athanasopoulos & Casaponsa，2020 年；Maier & Abdel Rahman，2018 年、2019 年；Regier & Kay，2009 年；Thierry 等人，2009 年）。人们反复发现，CP 在右视野中更为明显或仅限于右视野，表明其与大脑左半球的语言区域有关（Drivonikou 等人，2007 年；Maier 等人，2014 年；Maier 和 Abdel Rahman，2019 年；Regier 和 Kay，2009 年）。然而，语言调节感知的神经认知动力学尚未完全了解。语言是通过在线调节还是通过长期改变心理表征来影响感知，这个问题仍存在争议（Lupyan 等人，2020 年）。激活语言结构是否会在当下影响所谓的非语言感知任务，或者语言类别的学习是否会形成稳定的感知表征，而这些表征后来会在“离线”表现出调节的感知？
使用大型语言模型进行部分可观察的机器人任务 /作者= Sun，Lingfeng的互动计划； Jha，Devesh K。； Hori，Chiori； Jain，Siddarth； corcodel，radu;朱，Xinghao; tomizuka，masayoshi；罗梅雷斯，迭戈 /creationdate = 5月14日，2024年 /object = robotics < /div>
抽象设计机器人代理执行开放词汇任务一直是机器人技术和AI的长期目标。最近，大型语言模型（LLM）在创建用于执行开放词汇任务的机器人代理方面取得了令人印象深刻的结果。但是，在不确定性的存在下为这些任务进行规划是具有挑战性的，因为它需要“经过思考链”推理，从环境中汇总信息，更新状态估计以及基于更新的状态估计来生成操作。在本文中，我们提出了一种使用LLM的部分可观察到的任务的交互式计划技术。在拟议的方法中，LLM用于使用机器人从环境中收集丢失的信息，并从收集的观测值中推断出基本问题的状态，同时指导机器人执行所需的操作。我们还通过自我教学使用了精致的Llama 2模型，并将其性能与像GPT-4这样的预训练的LLM进行比较。在仿真和现实环境中的几个任务上都证明了结果。
将语言学和物理学结合起来探索知识
摘要 好奇心和解开宇宙奥秘的渴望一直是人们寻求知识的驱动力。近年来，众多学科之间的互联互通逐渐显现，引发了开创性的研究，并为我们打开了新的理解视野。语言学和物理学这两个看似毫不相干的领域就是这样一个交汇点。物理学是研究物质和能量的学科，而语言学是研究语言的科学学科，乍一看，它们似乎是两个截然不同的学科。然而，深入研究就会发现，它们之间有着有趣的相似之处和共同的理念。尽管角度不同，但这两个领域都旨在理解构成我们宇宙的基本要素。本文探讨了语言学和物理学这两个看似毫不相干的领域之间的迷人联系，它们有着一些共同的基本思想和方法。本文的目的是阐明这两个领域之间的相互作用可能产生的协同作用和合作机会。我们探索了许多主题，包括语言的物理性、句法的计算复杂性、语义的认知基础以及与量子理论的潜在联系。我们希望通过弥合语言学和物理学之间的差距来支持跨学科研究和对这两个领域的更深入理解。关键词 语言学、物理学、合作、形而上学、语义学、句法、量子理论
人类社会互动中笑的语言图案
笑声是一种传达各种情绪状态的社会行为，并且与语言交流杂乱无章。随着人们越来越多地参与语音激活的人工智能（语音-AI）系统，一个悬而未决的问题是，在语言与技术互动时，笑声模式如何。在实验1中，我们收集了用户（n = 76）和亚马逊Alexa Socialbots（旨在模拟人类对话互动的语音-AI界面）之间记录的简短对话（〜10分钟）的语料库，并分析了笑声的互动和务实的环境。笑声被编码为相对于各种语音行为以及语音模式（例如持续时间和发音）的互动中的位置。我们的分析表明，当Alexa的言语内容被认为是不合适的话语背景时，最常见的笑声是最常见的。语料库中的笑声在很大程度上也很短且未发声 - 这些特征通常与负面的社会价值有关。在实验2中，我们发现单独的听众没有区分数据集的正面和负面笑声，尽管我们发现笑声被评为更正面的笑声也被评为更加兴奋和真实。总的来说，我们讨论了人类计算机互动模型的发现以及在社交机器人对话中使用笑声的应用。
社会差异的语言相关性：定量分析
传统上，许多研究人员都支持一种统一的观点，在这种观点中，所有语言的复杂性都大致相等，这是由于不同层次的复杂性（例如形态学和语法）之间的内部权衡方面促进的。演讲者的社会影响力在多大程度上尚未得到很好的研究。在本文中，我们专注于形态和语法，并报告特定语言和社会福特之间的显着相关性，尤其是与外来（开放）与Exoteric（开放性）与Esoteric（紧密联系）社会类型有关的相关性，在人口规模，跨越距离等方面都可以表征我们对WALS，D-Place，Ethnologue和Glottolog进行了详尽的定量分析，为我们的假设找到了一些支持，即外来社会所说的语言倾向于更复杂的语法，而深奥社会使用的语言倾向于更复杂的形态。