XiaoMi-AI文件搜索系统
World File Search SystemParticipation
2025-26 至 2028-29 年访问和参与计划摘要
我们的计划基于来自各种来源的证据——请参阅计划附件 A，第 31 至 47 页。我们将继续使用证据和数据来改进我们的方法。我们制定了强大的评估流程，以确保我们审查我们的干预措施并不断改进。我们将发布年度影响报告，分享我们的发现和进展，包括分享我们所做的工作和迄今为止的任何经验，以及对任何有影响力的结果的评估。我们将在我们网站的专门页面上分享这些内容。
参与NASA可居住世界天文台
start/tag +工作组活动2023/10-11，HWO开始 + TAG（F2F），DC 2024/3，2nd HWO Start + TAG + TAG（F2F），Pasadena 2024/6，3rd HWO Start + start + TAG（F2F），Baltimore 2024/10，4th HWO Start + start + tag Start + tag Start + tag Stert + tag Stert + tag Stert（F2） （> 1000人）发布科学案例开发文件
儿童和青少年参与决策的国家战略——爱尔兰
国家参与战略主要针对 18 岁以下的儿童和青少年，但“也听取了 24 岁以下成年过渡期的青少年的声音”。该战略以权利为基础的参与模式为基础，符合 Lundy 的参与模式。为了支持该战略的实施，建立了一个国家卓越中心 Hub na nÓg，旨在确保能力建设并为服务提供者和政策制定者提供资源，以更好地促进儿童和青少年的参与。它提供辅导、发展建议和培训，以满足组织让儿童和青少年参与决策的需求。该战略的行动计划包括 99 个行动项目，并为政府部门和机构提供了结构化的路线图和指定承诺，同时鼓励不同部门和利益相关者之间的合作，促进协调努力实现其目标。该战略强调了让某些儿童和年轻人群体参与决策的重要性，这些群体是组织难以参与的，包括 LGBTI+ 1 儿童和年轻人、残疾人、少数民族儿童和年轻人、游民和罗姆儿童和年轻人以及年轻护理人员。该战略的实施有四个有利因素：组织认可、决策者培训、资源分配（财务、人力和时间）以及建立监测和反馈机制。
2025 年规则和参与手册
如果研究计划表明将涉及人类：• 研究计划需要在实验或数据收集之前获得机构审查委员会 (IRB) 的批准。有关 IRB 的更多信息，请参阅学生和成人的角色和职责部分。• 在开始实验或数据收集之前，必须填写人类参与者表格/表格 4（包括所有注明日期的签名）。• 如果 IRB 要求，学生研究员必须获得所有人类受试者的知情同意，并在注册其竞赛项目时附上知情同意书的副本。可以在此处找到知情同意书样本。• 如果 IRB 要求，学生研究员必须与合格的科学家合作，以计划和/或完成实验或数据收集。如果 IRB 要求合格的科学家，则必须在开始实验或数据收集之前填写合格科学家表格/表格 2（包括所有注明日期的签名）。
传统业主参与支持基金
能源、矿业、工业监管和安全部 (DEMIRS) 尊重原住民是西澳大利亚的传统守护者。我们承认原住民通过祖先纽带和对国家的监护权继续与土地、海洋和天空保持着持久的联系。我们向过去和现在的长者致敬，并承认西澳大利亚州原住民和托雷斯海峡岛民的集体贡献为我们的部门带来的价值。
首次参与远程医疗综合体重管理试点项目 Laura B. Langston, MHA a , Ryan R. Lau, MS, R.EEG/EP T., CNIM, CLTM, FASET
改编自华盛顿大学 AIMS 中心创作的作品，2023 年 10 月 18 日，http://aims.uw.edu/collaborative-care/team-structure 华盛顿大学 AIMS 中心，2022 年 2 月 22 日访问，http://aims.uw.edu/collaborative-care Shrader，S.，等人（2013 年）。“跨专业团队合作技能作为模拟医疗环境中临床结果的预测指标。” J Allied Health 42(1) SC 在线人口健康仪表板揭示社区差异，2016 年 9 月 19 日，https://healthitanalytics.com/news/sc-online-population- health-dashboard-reveals-community-disparities 南卡罗来纳州营养、身体活动和肥胖概况，2023 年 10 月 19 日访问，https://www.cdc.gov/nccdphp/dnpao/state-local-programs/profiles/pdfs/south-carolina-state-profile.pdf
探索未知的未知：通过参与语言模型代理对话促进人类学习
虽然基于语言模型 (LM) 的聊天机器人和生成搜索引擎擅长回答具体查询，但在未知的未知领域中发现信息对用户来说仍然具有挑战性。为了模拟常见的教育场景，即儿童/学生通过聆听和参与与父母/老师的对话来学习，我们创建了协作 STORM (Co-STORM)。1 与要求用户提出所有问题的问答系统不同，Co-STORM 允许用户观察并偶尔引导多个 LM 代理之间的对话。代理代表用户提问，让用户偶然发现未知的未知事物。为了促进用户交互，Co-STORM 通过将未发现的信息组织成动态思维导图来帮助用户追踪对话，最终生成一份综合报告作为总结。对于自动评估，我们通过收集具有用户目标的真实信息搜索记录来构建 WildSeek 数据集。 Co-STORM 在话语追踪和报告质量方面均优于基线方法。在进一步的人工评估 2 中，70% 的参与者更喜欢 Co-STORM 而不是搜索引擎，78% 的参与者更喜欢它而不是 RAG（检索增强生成）聊天机器人。
探索政策周期中公民参与的新领域讨论文件
全球化、数字化、人口结构变化和生态相互依存的趋势不断加速，这意味着政策制定者越来越需要在动荡、不确定、复杂和模糊的条件下解决嵌套和相互关联的政策问题。虽然“日常”政策问题仍然占据了政策制定者相当一部分注意力，并且将始终受益于公民参与，但在解决“根本”政策选择时，包容性和有意义的公民参与变得至关重要。事实上，这些复杂的政策问题没有简单的“正确”或“错误”的解决方案，而是涉及在社会不同群体、地区和国家之间权衡长期和短期的决策。然而，正如 2024 年经合组织信任调查显示的那样，在这些复杂问题上，重新获得公民对机构的信任的回旋余地也是最大的。