XiaoMi-AI文件搜索系统
World File Search SystemPRISMA
召开行业战略审查会议
这是 2023 年 10 月举行的私营部门发展成果衡量高级培训研讨会上开发的几种学习产品之一。感谢企业发展捐助委员会 (DCED)、荷兰外交部 (MoFA) 和瑞士发展与合作署 (SDC) 赞助研讨会和由此产生的出版物。非常感谢 PRISMA 团队向我们提供信息并允许我们在此简报和研讨会期间使用他们的案例。PRISMA 是澳大利亚政府和印度尼西亚政府 (Bappenas) 之间的发展伙伴关系。还要感谢 Alexandra Miehlbradt 和 Nabanita Sen Bekkers 的宝贵意见和反馈。最后，感谢 Isabelle Gore 的编辑和 Anne Metcalfe 的简报平面设计。照片由 Freepik 上的 pressfoto 拍摄。
BBVA ARGENTINA SA 银行 - Bolsar.info
本行为遵守阿根廷中央银行（“中央银行”或“BCRA”）的要求而编制的法定合并年度财务报表是根据中央银行建立的报告框架编制的，该框架要求受监管实体提交根据 IFRS-IASB 编制的财务报表，但以下情况除外：(i) 对公共部门发行的债务工具应用 IFRS 9 第 5.5 段规定的预期信用损失模型；(ii) 2021 年和 2020 年，本行在 Prisma Medios de Pago S.A. 持有的投资采用的会计处理方法是依据 BCRA 分别于 2019 年 4 月 29 日发布的第 7/2019 号备忘录和 2021 年 5 月 22 日发布的第 8/2021 号备忘录的规定进行的。 2022 年 3 月，我们将持有的 Prisma Medios de Pago S.A 股份转让给第三方，因此在截至 2022 年 3 月 31 日的三个月期间记录了该股份的收益（亏损）。如果我们持有的 Prisma Medios de Pago S.A. 权益的公允价值是根据 IFRS-IASB 确定的，则前几年和截至 2022 年 12 月 31 日的年度的收益（亏损）将会有所不同。该会计处理不影响截至 2022 年 12 月 31 日的股东权益价值；以及 1
Doppelgangers的起源：Capgras综合征的神经系统解释的评论
来自：Page MJ，McKenzie JE，Bossuyt PM，Boutron I，Hoffmann TC，Mulrow CD等。Prisma 2020声明：报告系统审查的最新指南。BMJ 2021; 372：n71。doi：10.1136/bmj.n71。
人工智能在企业知识管理系统中的应用：系统文献综述
摘要——第四次工业革命即将到来，它将为连接、工作动态和日常运营带来革命性的变化。人工智能 (AI) 是这一转变的基础，是其核心。本研究的目的是确定人工智能如何改进和增强商业知识管理系统的新特征和独特特征。为此，使用系统文献综述 (SLR) 作为研究方法，并以系统评价和荟萃分析 (PRISMA) 的首选报告项目作为方法。从 Scopus、Web of Science 和 ScienceDirect 等主要科学数据库中选择了基于 2013 年至 2023 年特定搜索查询的文章，重点关注人工智能、知识管理系统和 PRISMA 的企业组织。它利用 14 篇选定的论文涵盖了四个主要研究问题。
教学策略中的策略评估：系统文献评论
摘要 - 该系统评价重点介绍了有关教学策略中策略评估的各种文献。在该系统评价中使用了用于系统评价和荟萃分析（PRISMA）框架的首选报告项目。在收集文献的过程中，Google Scholar被用作搜索指数。在2020 - 2022年发表的合格的相关文献被导出到尾注，并删除了重复的研究。此外，还采用了主题分析来分析数据。基于对九篇文章的全面审查，出现了两个主题，即：提高质量教学并提升学生的表现。这意味着教学策略中的策略评估对教师的高质量教学和学生在课堂上的积极表现而言至关重要。对教学策略中对策略评估的系统评价进行了系统的审查，将来可能会研究。索引条款 - 策略评估；教学策略；教育; Prisma;系统评价
Gabbidon, C 1 ., Gardner, G 2 ., Jones, N 2 ., Armstrong, A 2 ., Adonis, A. 3 牙科学生对接种 COVID-19 疫苗的犹豫：系统
来自：Page MJ、McKenzie JE、Bossuyt PM、Boutron I、Hoffmann TC、Mulrow CD 等。PRISMA 2020 声明：系统评价报告的最新指南。BMJ 2021；372：n71。doi：10.1136/bmj.n71
人工智能在审计过程中的作用和...
这项研究旨在测试人工智能在审计过程中的作用，以及人工智能在使用文献综述方法检测欺诈方面发挥作用。本研究中使用的方法是使用Prisma（用于系统评价和荟萃分析的首选报告项目）方法的系统文献综述，从1992年到2024年，观察期为32年。获得了101篇文章，但只有15篇文章符合条件。在15篇文章中，它表明了引用数量最多的Omoteso（2012）的文章，即253引用和引用数量最少的文章是对Qatawneh的研究（2024）。所使用的域范围从财务，会计，审计以及信息系统。这项研究的局限性在于它只能够通过Prisma图过程获得15篇文章。为了将来的研究，预计将扩大研究，其含义是将ATLAS审计预防欺诈并与人工智能相结合。
Okaya 电池存储
51.2V/100Ah 96V/100Ah 120V/100Ah SAP 描述 OKAYA LITHIUM BATTERY 51.2V 100AH BESS 9.6KWH (96V/100AH-30S1P) OKAYA LITHIUM BESS 120V 12KWH SAP 代码 FOJLFIE10051C93MS1 FESS00000000000002 FESSLI012110000002 电池化学性质 LFP LFP LFP 电池类型 (圆柱形/方形) 方形 方形 方形 方形 电池标称电压/Ah 3.2V / 100Ah 3.2V / 100Ah 3.2V / 100Ah 电池机架电压（V） 51.2V 96V 121.6V 电池架容量（Ah） 100Ah 100Ah 100Ah 电池架能量额定值（kWh） 5.1 kWh 9.6kWh 12kWh 机架总数 NA NA NA 每机架电池模块数量 1 1 1 机架级配置 NA NA NA 电池模块配置 16S 1P 30S 1P 38S 1P 电池总数 16 30 38 持续充电电流（A） 0.5C 0.5C 0.5C 持续放电电流（A） 0.8C 0.8C 0.8C 电池架标称电压（V） 51.2V 96V 121.6V 电池架最小电压(V) 45V±2V 90V±2V 112V±2V 电池架最大电压(V) 56V±2V 108V±2V 135V±2V BMS类型 机架级 NA NA NA BMS类型 模块级 软件 软件 软件 机架尺寸 (长*宽*高)mm 562x202x338 760x347x365 1065x535x275 电池箱类型 金属柜 金属柜 金属柜 连接器类型 SB120连接器 SB175连接器 SB50 & SB120连接器 IP等级 IP21 IP21 IP21 线径 16sqmm 25sqmm 35sqmm 重量(kg) 50 kg 100kg 125 kg 电池寿命 循环寿命 >2000@80%DOD >2000@80%DOD >2000@80%DOD
财务欺诈检测和机器学习算法（...
金融行业通过确定与欺诈检测相关的认知结构，利益，经济优化以及需要创新方法进行有效检测的挑战。这项研究对源自Scopus数据库的PRISMA协议进行了系统文献综述，以遵循PRISMA协议，以选择2010年至2023年发表的27篇文章。该分析揭示了无监督的学习已在各种金融领域实施，包括在线付款，保险以及在银行业中突出的，尤其是用于确定信用卡交易中的异常情况。k均值是无监督学习中使用的最流行的方法。尽管如此，仍有持续的挑战需要解决方案来确保机器学习实施的功效，包括阶级不平衡和欺诈活动的复杂性等问题。从理论上讲，这项研究提供了对认知概念，收益和应用，挑战和实用建议，用于使用无监督的学习进行财务欺诈检测。这对于实践实施很有用，使行业从业人员在选择适当的模型的数据集中受益，这些模型有可能提高检测系统的准确性并减少由于欺诈而造成的财务损失。
建议引用：Regona, Massimo；Yigitcanlar, Tan；Xia, Bo；Li, Rita Yi Man (2022)：人工智能在建筑行业应用的机遇与挑战：PRISMA 评论，《开放创新：技术、市场与复杂性》期刊，ISSN 2199-8531，MDPI，巴塞尔，第 8 卷，Iss。1，第 1-31 页，https://doi.org/10.3390/joitmc8010045
摘要：人工智能 (AI) 是一种强大的技术，具有多种功能，如今在所有行业中都开始显现出来。然而，与其他行业相比，人工智能在建筑行业的普及程度相当有限。此外，尽管人工智能是建筑环境研究的热门话题，但研究建筑行业人工智能采用水平低的原因的综述研究有限。本研究旨在通过确定人工智能的采用挑战以及为建筑行业提供的机遇来缩小这一差距。为了实现这一目标，该研究采用了 PRISMA 协议的系统文献综述方法。此外，文献的系统综述侧重于建筑项目生命周期的规划、设计和施工阶段。审查结果表明：(a) 人工智能在规划阶段特别有益，因为建筑项目的成功取决于准确的事件、风险和成本预测；(b) 采用人工智能的主要机会是通过使用大数据分析和改进工作流程来减少花在重复任务上的时间； (c) 将人工智能融入建筑工地的最大挑战是该行业的碎片化性质，这导致了数据获取和保留的问题。研究结果为建筑行业的各方提供了有关人工智能适应性的机会和挑战的信息，并有助于提高市场对人工智能实践的接受度。