XiaoMi-AI文件搜索系统
World File Search SystemMalley
调查战略投资和自信
由此可知，学习策略是一个有目标、有意识的决策过程，可以提高学生的学习效果和效率。Cohen(1998)讨论了不同的英语教学模式对英语学习者学习策略的影响，指出教师采取适当的教学模式对学生改进学习策略十分重要。Oxford和Nyikos(1989)认为，在英语自主学习过程中，适当的策略训练可以促进学生独立学习能力的发展。因此，自主学习的实现离不开策略训练。许多著名学者从理论和实践两个方面探讨了运用学习策略提高学习者自主性的方法。因此，自主学习与学习策略有着密切的关系。学习策略有多种分类。O’Malley和Chamot(1990)将策略分为三类：元认知策略、认知策略和社会情感策略。元认知包括何时以及如何使用特定策略来监控、自我调节和学习行为或解决问题的知识，例如选择性注意、自我管理和自我评估。认知策略是人们用来学习知识或解决问题的具体方法，包括使用重复、联想或做笔记和总结。情感策略与学习者在学习过程中控制自己的情绪有关，例如合作和自我鼓励。牛津（1990）根据学习策略与语言材料的相互作用将学习策略分为两部分。它们是直接策略和间接策略。直接策略又分为三个子类：记忆策略、认知策略和补偿策略。尽管学习策略的分类多种多样，但它们都包括认知策略和元认知策略。就学习策略的来源而言，学习策略对自主学习有积极作用。有机会接受学习策略培训的学生可以更好地自学。如果学生能够选择合适的学习策略，他们的学习效率可能会显著提高。因此，教授学生尽可能多的学习策略是更可取和有益的。但是，教学方法是可用的，无限的，但值得选择，因为学习策略是灵活的。这需要教师给予学生适当的指导。
Braya-可再生燃料商业运营- ...
加拿大纽芬兰和拉布拉多省 Come By Chance，2024 年 2 月 22 日 - Braya Renewable Fuels (Braya) 欣然宣布已实现商业运营。这标志着其炼油厂改造项目成功完成，并为能源转型提供可靠的可再生燃料。Braya 首席执行官 Todd O'Malley 表示：“我们非常感谢 Braya 团队的辛勤工作和奉献精神，这让我们能够在炼油厂实现商业运营。”“我个人要感谢我们的工人、社区、各级政府和我们的合作伙伴，他们帮助我们实现了世界一流可再生燃料设施的愿景。我们很自豪能够成为能源转型道路上的基石，并为当地社区提供稳定和长期的就业机会。”Braya 预计可再生柴油的初始生产能力为每天 18,000 桶，未来计划扩大生产能力，增加可持续航空燃料生产能力并探索绿色氢气生产。现场生产可再生柴油、可持续航空燃料和绿色氢气提供了化石燃料的可靠替代品，并显著减少了与重型运输、航空和重工业等难以减排的行业相关的碳排放。总部位于达拉斯的私募股权公司 Cresta Fund Management (Cresta) 于 2021 年 11 月收购了这家一度闲置的石油炼油厂的控股权，并通过这一改造项目，为当地纽芬兰和拉布拉多社区恢复了一项重要资产。该改造项目在建设阶段支持了 800 多个工作岗位，现在将提供 200 个稳定的全职职位来支持持续运营。Braya 董事会主席兼 Cresta 管理合伙人 Chris Rozzell 表示：“对于 Braya 来说，这是一个激动人心的时刻，因为他们开始了商业运营，这证明了团队为成功实现这一复杂改造所付出的巨大努力和专业知识。”“Braya 现在将在能源转型中发挥关键作用，推动低碳经济，为其投资者和利益相关者创造长期价值。” Braya 的所有权集团包括大股东和控股投资者 Cresta、由 Silverpeak 管理的 North Atlantic Refining Corp. (NARC) 和 Energy Capital Partners。
临床决策支持系统在糖尿病护理中的应用：范围评论
背景：面对糖尿病管理的日益复杂性以及缺乏专门的内分泌学家来支持糖尿病护理，提供全面和个性化的糖尿病护理仍然是一个重大挑战。临床决策支持系统（CDSS）逐渐被用来改善糖尿病护理，而许多医疗保健提供者缺乏对糖尿病护理中CDSS的认识和知识。仍然缺乏对CDSS在糖尿病护理中的应用的全面分析。目的：本综述旨在总结研究格局，临床应用以及对糖尿病护理中CDSS的患者和医生的影响。方法：我们在Arksey和O'Malley框架之后进行了范围审查。在7个电子数据库中进行了搜索，以识别截至2022年6月30日的糖尿病中CDSS的临床应用。对2021 - 2022年期间的会议摘要进行了其他搜索。两名研究人员独立执行了筛选和数据图表过程。结果：在11,569项检索研究中，包括85个（0.7％）进行分析。在这一领域的研究兴趣正在增长，过去5年中的85项研究中有45个（53％）。在披露基本决策机制的85项研究中，有58个（68％）中，大多数CDSS（44/58，76％）是基于知识的，而近年来，基于非知识的系统的数量一直在增加。在85项披露应用方案的研究中的81个（95％）中，大多数CDSS用于治疗建议（63/81，78％）。在85项研究中，有39名（46％）在披露医师的用户类型中，初级保健医师（20/39，51％）是最常见的，其次是内分泌学家（15/39，39％）和非内分泌专家（8/39，21％）。CDSS在71％（45/63），67％（12/18）和38％（8/21）的研究中显着改善了患者的血糖，血压和脂质谱，分别没有增加降低降低性糖类的风险。结论：CDSS在改善糖尿病护理方面既有效又安全，这意味着它们可能是糖尿病护理中潜在可靠的助手，尤其是对于经验有限的医生和获得医疗资源有限的患者而言。国际注册报告标识符（IRRID）：RR2-10.37766/inPlasy2022.9.0061
在重症监护中应用AI机器人的进步
背景：在最近的时期，由于人工智能（AI）的整合，关键医学领域已经历了重大进步。具体来说，AI机器人已经从理论概念演变为在临床试验和应用中积极实施。重症监护室（ICU）以依赖大量医疗信息而闻名，它提出了一种有希望的机器人AI部署的途径，预计将为患者护理带来实质性改善。目的：本综述旨在通过搜索与ICU病房相关的先前研究，发展和应用，全面总结重症监护领域的AI机器人的当前状态。此外，它试图解决其使用引起的道德挑战，包括与安全，患者隐私，责任划定和成本效益分析有关的问题。方法：遵循Arksey和O'Malley和Prisma提出的范围审查框架（用于系统评价和荟萃分析的首选报告项目）指南，我们进行了范围审查，以划定ICU中AI机器人的研究广度，并报告了ICU的研究和发现。文献搜索于2023年5月1日在3个数据库中进行：PubMed，Embase和IEEE Xplore数字库。合格的出版物最初是根据其标题和摘要筛选的。通过初步筛选的出版物经过了全面的审查。从最终出版物中提取，总结和分析了各种研究特征。最终，结果：在筛选的5908个出版物中，有77（1.3％）进行了完整的审查。这些研究共同跨越了21个ICU机器人项目，包括其系统开发和测试，临床试验和批准过程。在经过专家评审的分类框架上，这些框架分为5种主要类型：治疗援助机器人，护理援助机器人，康复援助机器人，远程介绍机器人以及物流和消毒机器人。其中大多数已经在ICU中广泛部署和商业化，尽管其中一些仍在测试中。所有机器人系统和工具均经过设计，可以为ICU的患者提供更个性化，方便和智能的医疗服务，同时旨在减少ICU医务人员的大量工作量并促进治疗和护理程序。这篇评论进一步探讨了普遍的挑战，特别是专注于道德和安全问题，提出了可行的解决方案或方法，并说明了ICU环境中AI驱动的机器人技术的潜在能力和潜力。
大规模研究中的假设驱动科学
2001 年人类基因组计划 (Lander 等人，2001) 完成后，分子生物学和遗传学领域发生了变化。该计划首次提供了有关人类基因组成的近乎完整的信息，标志着所谓的“后基因组学”时代的到来，该时代的特征是可以获得来自“基因组规模”方法的大规模数据集。反过来，这又导致了生物学方法论的转变，从精心构建的假设驱动研究转向无偏见的数据驱动方法，有时称为“组学”研究。这些研究近年来引起了哲学界的兴趣：参见 Burian (2007)、O'Malley 等人 (2010)、Ratti (2015)；有关当代后基因组生物学中大规模数据驱动方法的更一般哲学讨论，请参阅 Leonelli (2016)、Richardson 和 Stevens (2015)。回想一下，组学研究分为三大类：“基因组学”、“转录组学”和“蛋白质组学”。这三个类别的显著特征如下（我们并不声称这些特征涵盖了这三个类别中的任何一个；但它们是与本文相关的特征）。基因组学是研究细胞内的完整基因集（由 DNA 组成）。细胞过程导致遗传信息被转录（复制）到称为 RNA 的分子中。“信使 RNA”（mRNA）携带与基因遗传序列相对应的信息。转录组学是研究基因组产生的全套 RNA 转录本。最后，mRNA 中编码的信息被细胞机制（称为核糖体）用来构建蛋白质；蛋白质组学是对细胞内这些蛋白质的系统研究。蛋白质是细胞的最终主力；蛋白质组学研究旨在表征由蛋白质网络介导的细胞功能，其中节点代表蛋白质，边代表它们之间的物理/功能相互作用。有关基因组学、转录组学和蛋白质组学的更多背景信息，请参阅 Hasin 等人 (2017)。大规模组学研究通常被描述为“无假设”。举一个基因组学的例子：基因组编辑技术的进步意味着现在可以在实验室中生成“功能丧失”突变体。此类突变是失活的，因为它们会导致细胞内基因的功能丧失。近几年，CRISPR-Cas9 技术应运而生，这使得针对人类基因组中近 20,000 个基因中的任何一个，创建有针对性的丧失功能突变体成为可能。
控制社会规模的挑战：路线图
Andrew Alleyne、Frank Allgöwer、Aaron D. Ames、Saurabh Amin、James Anderson、Anuradha M. Annaswamy、Panos J. Antsaklis、Neda Bagheri、Hamsa Balakrishnan、Bassam Bamieh、John Baras、Margret Bauer、Alexandre Bayen、Paul Bogdan 、史蒂文·L·布伦顿、弗朗西斯科·布洛、艾蒂安·伯德特、乔尔Burdick、Laurent Burlion、Carlos Canudas de Wit、Ming Cao、Christos G. Cassandras、Aranya Chakrabortty、Giacomo Como、Marie Csete、Fabrizio Dabbene、Munther Dahleh、Amritam Das、Eyal Dassau、Claudio De Persis、Mario di Bernardo、Stefano Di Caira , Dimos V. Dimarogonas, 弗洛里安Dörfler、John J. Doyle、Francis J. Doyle III、Anca Dragan、Magnus Egerstedt、Johan Ecker、Sarah Fay、Dimitar Filev、Angela Fontan、Elisa Franco、Masayuki Fujita、Mario Garcia-Sanz、Dennis Gaime、Wilhelmus P.M.H.Heemels、João P. Hespanha、Sandra Hirche、Anette Hosoi、Jonathan P. How、Gabriela Hug、Marija Ilić、Hideaki Ishii、Ali Jadbabaie、Matin Jafarian、Samuel Qing-Shan Jia、Tor Arne Johansen、Karl H. Johansson , 道尔顿·琼斯, 穆斯塔法·哈马什, 普拉莫德·卡贡卡, Mykel J. Kochenderfer、Andreas Krause、Anthony Kuh、Dana Kulić、Françoise Lamnabhi-Lagarrigue、Naomi E. Leonard、Frederick Leve、Na Li、Steven Low、John Lygeros、Iven Marelels、Sonia Martinez、Nikolai Matni、Tommaso Menara、Katja Mombaur , 凯文·摩尔, 理查德·穆雷, Toru Nakorewa、Angelia Nedich、Sandeep Neema、Mariana Netto、Timothy O'Leary、Marcia K. O'Malley、Lucy Y. Pao、Antonis Papachristodoulou、George J. Pappas、Philip E. Paré、Thomas Parisini、Fabio Pasqualetti、Marco Pavone、阿克谢·拉杰汉斯、吉里贾·拉纳德、安德斯·兰泽、莉莲·拉特利夫、 J. Anthony Rossiter、Dorsa Sadigh、Tariq Samad、Henrik Sandberg、Sri Sarma、Luca Schenato、Jacquelien Scherpen、Angela Schoellig、Rodolphe Sepulchre、Jeff Shamma、Robert Shorten、Bruno Sinpoli、Koushil Sreenath、Jakob Stoustrup、Jing Sun、Paulo Tabuada、艾玛·特格林、道恩·蒂尔伯里、克莱尔·J·汤姆林、贾娜·图莫娃、凯文·怀斯、丹·沃克、朱奈德·扎法尔、梅兰妮·泽林格
卫生保健中人工智能采用的障碍和促进者：范围审查
背景：医疗保健中的人工智能（AI）用例正在上升，有可能提高运营效率和护理结果。但是，将AI转化为实用的日常使用受到限制，因为其有效性依赖于临床医生，患者和其他医疗保健利益相关者的成功实施和收养。目的：由于采用是创新成功扩散的关键因素，因此这项范围旨在概述AI在医疗保健领域采用AI的障碍和促进者。方法：使用Joanna Briggs Institute提供的指导以及Arksey和O'Malley提出的框架进行了范围审查。Medline，IEEE Xplore和ScienceDirect数据库进行了搜索，以确定英语的出版物，这些出版物报告了AI在医疗保健领域采用AI的障碍或促进者。本评论的重点是2011年1月至2023年12月之间发表的文章。审查对医疗保健环境（医院或社区）或人口（患者，临床医生，医师或医疗保健管理员）没有任何限制。对选定文章进行了主题分析，以绘制与AI在医疗保健中采用的障碍和促进者相关的因素。结果：在初始搜索中总共确定了2514篇文章。在标题和抽象评论之后，最终分析中包括50（1.99％）文章。对这些文章进行了审查，以了解AI在医疗保健领域采用的障碍和促进者。确定了大约18种障碍和促进者类别。大多数文章都是经验研究，文献评论，报告和思想文章。这些是依次组织的，以为AI开发，实施以及促进采用所需的整体结构提供考虑。结论：文献综述表明，信任是一种重要的采用催化剂，并且发现它受到本综述中确定的几个障碍的影响。治理结构可以是确保所有确定为障碍的要素的关键促进者。调查结果表明，在许多方面，AI在医疗保健中的实施仍然取决于建立监管和法律框架。进一步研究治理和实施框架，模型或理论的结合，以增强信任，这些信任需要专门为采用，以便为将AI研究转化为实践的人提供必要的指导。未来的研究还可以扩展，包括尝试了解患者对复杂，高风险AI用例的观察性以及AI应用的使用如何影响临床实践和患者护理，包括社会技术考虑，因为在实际临床环境中实施了更多的算法。
朝着可持续欧洲
贡献者（按字母顺序）清单Lisbeth Bakker，Centrum voor Energiebespaaring，Delft：生长的原因，无增长的RALF BEHRENSMEIER博士的影响，Wuppertal Institute，Div。材料流和结构变化：每个分支统计的环境空间消耗StefanieBöge，Wuppertal Institute，Div。运输：运输强度分析Stefan Bringzu博士，Wuppertal Institute，Div。用于材料流和结构变化区域物质流量分析Manfred Fischedick，Wuppertal Institute，Div。能量：能源场景和环境空间Tamara Hammer，Wuppertal Institute，Div。用于物质流和结构变化：水，劳动，消费埃卡德·希尔德布兰特博士，柏林Wissenschaftszentrum柏林：可持续社会的劳动的未来弗里德里希·辛特伯格（Friedrich Hinterberger）用于物质流量和结构变化：，生长和环境空间使用的脱节，限制生长哈里·莱曼，沃伯塔尔研究所，系统分析小组：欧洲的土地利用模式，克里斯塔·利德克（Christa Liedtke）博士，沃珀塔尔研究所，div。材料流和结构变化：MIPS方法论Fred Luks，Wuppertal Institute，Div。材料流和结构变化：生长和环境空间的开发链接，限制了生长尤里根·马利博士，杜波尔塔尔研究所，Div。材料流和结构变化：可持续性的物理指标托马斯·默滕（Thomas Merten），沃珀塔尔研究所（Wuppertal Institute）用于材料流和结构变化：，MIPS方法论MartinSchüssler，Wuppertal Institute，Div。材料流和结构变化：MIPS方法论Roland Pareyke，Wuppertal Institute，系统分析小组：土地使用和林业统计数据，Div。运输，主任：运输的环境相关性，概述Torsten Reetz，Wuppertal Institute，系统分析小组：欧洲的土地使用模式Phillip Schepelmann，Tu Berlin / foe dermany Dermany土地使用，林业和土壤退化，弗里德里希·Schmidt-Schmidt-Bleek博士，弗里德里希·施密特·布斯特（Friedrich Schmidt-Bleek）能源：能源场景HelmutSchütz博士，Wuppertal Institute，Div。材料流和结构变化：关键物质的环境空间Eberhard K. Seifert博士，工作组新的财富模型：新的经济指标Joachim H. Spangenberg，Wuppertal Institute，Div。用于材料流和结构变化：概念，可疑指标，森林Meike Spitzner，Wuppertal Institute，Div。运输：减少运输，需求和衡量乌尔苏拉·蒂沙纳（Ursula Tischner），沃珀塔尔研究所（Wuppertal Institute）用于物质流和结构变化：可持续性和设计Uta von Winterfeld博士，工作组新的财富模型：可持续消费，Gerrit de Wit博士，Delft，Centrum voor Energiebespaaring，Delft：增长的原因，无增长的影响
UCSb 成为量子殖民地
欢迎阅读最新一期的《Convergence》。虽然如今我们很难忽视全球范围内利用量子现象进行计算、传感、通信和其他重要应用的竞赛，但有些人可能不太注意加州大学圣塔芭芭拉分校在新兴量子领域的突出地位。自 2019 年该校被命名为美国国家科学基金会首个量子铸造厂以来，加州大学圣塔芭芭拉分校多个工程系和 STEM 系的教职员工一直在量子领域的许多领域处于领先地位。他们与加州大学圣塔芭芭拉分校以及世界各地的同事合作，特别是在材料科学、物理学和光子学领域，在理解和产生先进技术所需的量子现象方面取得了重要进展。文章“聚焦：加州大学圣塔芭芭拉分校成为量子殖民地”（第 18 页）是了解校园量子领域正在发生的事情的入门读物。鉴于加州大学圣塔芭芭拉分校长期以来在材料科学方面的实力——量子铸造厂选址于此的一个主要因素——这似乎是与材料与化学教授兼材料研究实验室主任 Ram Seshadri 进行教师问答的好时机。您会在第 16 页看到他对一系列材料相关主题的引人入胜、亲切的解读。本期还报道了（第 12 页）另一个主要新设施，即极端和特殊真菌、古菌和细菌生物铸造厂 (ExFAB)。这个最先进的实验室由 2200 万美元资助，由化学工程和生物工程教授 Michelle O'Malley 领导，是美国第一个专注于生活在极端和不寻常环境中的尚未开发和未探索的微生物的 NSF 生物铸造厂。近年来，太空科学蓬勃发展，机械工程学教授 Emily Dressaire 最近向国际空间站发送了一系列实验，旨在更好地了解呼吸窘迫综合征 (RDS) 的流体动力学，这是一种常与 Covid 19 相关的并发症。在第 10 页，阅读在接近零重力的条件下进行实验如何推动她的研究。您还将了解材料科学家 Jim Speck 获得的两个主要奖项（第 28 页），一个是 Vannevar Bush 教师奖学金，以继续他在与 LED 效率损失相关的一些鲜为人知的物理方面的开创性工作，另一个是 ARPA-E 奖，用于开发超高效的下一代电源开关。另一项 ARPA-E 奖授予了机械工程学助理教授 Yangying Zhu（第 30 页），她正在研究一种新的海水淡化方法，可以将该过程中消耗的能量减少一半。与往常一样，《新闻简报》（第 4 页）介绍了一系列有趣的简短内容，包括 Shellphish 团队参加 DARPA 网络安全挑战赛的后续报道。他们最近进入了决赛，并赢得了 200 万美元。希望您喜欢这期！
XSL•FO
背景：人工智能 (AI) 系统集成用于自动记录病史和分诊，可显著改善医疗保健系统中的患者流量。尽管许多人工智能研究表现良好，但只有有限数量的系统成功融入了常规医疗保健实践。为了阐明人工智能系统如何在此背景下创造价值，必须确定当前的知识状态，包括这些系统的准备情况、实施的促进因素和障碍，以及参与其开发和部署的各个利益相关者的观点。目标：本研究旨在绘制和总结用于在医疗保健环境中自动记录病史和分诊的人工智能系统的实证研究。方法：本研究遵循 Arksey 和 O'Malley 提出的框架，并遵守 PRISMA-ScR（系统评价的首选报告项目和范围界定评价的荟萃分析扩展）指南。对 5 个数据库（PubMed、CINAHL、PsycINFO、Scopus 和 Web of Science）进行了全面搜索。在审查之前建立了详细的协议以确保方法的严谨性。结果：共确定并筛选了 1248 篇研究出版物。其中，86 篇（6.89%）符合资格标准。值得注意的是，大多数（n=63，73%）研究发表于 2020 年至 2022 年之间，主要集中在急诊护理（n=32，37%）。其他临床背景包括放射学（n=12，14%）和初级保健（n=6，7%）。许多（n=15，17%）研究没有指定临床背景。大多数（n=31，36%）研究采用回顾性设计，而其他研究（n=34，40%）没有指定其方法。确定的主要 AI 系统类型是混合模型（n=68，79%），其中预测（n=40，47%）和识别（n=36，42%）是最常见的任务。虽然大多数 (n=70, 81%) 研究涉及患者群体，但只有 1 项 (1%) 研究调查了患者对基于 AI 的病史采集和分类的看法，2 项 (2%) 研究考虑了医疗保健专业人员的观点。此外，只有 6 项 (7%) 研究通过实时模型测试、工作流程实施、临床结果评估或融入实践在相关临床环境中验证或展示了 AI 系统。大多数 (n=76, 88%) 研究涉及 AI 系统的原型设计、开发或验证。总共有 4 项 (5%) 研究是对在不同临床环境中进行的几项实证研究的回顾。AI 系统实施的促进因素和障碍分为 4 个主题：技术方面、背景和文化考虑、最终用户参与和评估过程。结论：本综述重点介绍了在医疗保健中实施 AI 系统的当前趋势、利益相关者观点、创新发展阶段和关键影响因素。关于利益相关者观点的已发现的文献差距和用于自动化病史记录和分类的人工智能系统的有限研究表明，在这个不断发展的领域有进一步研究和发展的巨大机会。