XiaoMi-AI文件搜索系统
World File Search SystemPreferences
智能交互技术对个人内部空间塑造的影响：用户对交互形状特征偏好的分析研究
随着交互式技术在个人生活空间中越来越普遍，了解用户的偏好以及与这些技术的互动变得至关重要。本研究旨在研究用户对个人生活空间中交互式技术的偏好，特别关注交互式照明、家具和空间变化。本研究的结果将为未来个性化交互式环境的设计和开发提供参考。一组不同的参与者完成了一份问卷，评估他们对不同家庭空间中交互式技术的偏好。使用描述性统计数据分析收集的数据。结果表明，个人生活空间中交互式技术的接受度越来越高。大多数受访者表示更喜欢交互式颜色变化，其次是交互式家具。偏好的性别差异也很明显，男性更喜欢形式变化，而女性则更喜欢交互式家具。这些发现对个性化交互式环境的设计具有重要意义。它强调了考虑用户的偏好并让他们参与设计过程以创造量身定制的体验的重要性。本研究通过强调研究交互式技术及其在人们的家庭和环境中的潜在应用的重要性，为该领域做出了贡献。通过为设计和开发未来个性化交互环境提供宝贵的见解，该研究强调需要满足用户不断变化的需求和偏好，以增强他们的整体生活体验。
理想的鼻偏好-Thieme Connect
抽象背景尽管在面部整形手术中，但理想的鼻腔特征是由平均欧洲裔美国人面部特征（称为新古典大炮）定义的，但许多种族并不认为这些特征是合适的。研究了鼻腔角，鼻角角，背高度，Alar宽度和鼻尖投影的偏好的方法，向三级大学医院的面部塑料诊所的203名志愿患者展示了一个男性和一名女性模型的操纵图片。结果最优美的鼻叶角为137.64 4.20度，女性为133.55度4.53度。急性鼻叶角度更为可取。最优选的鼻角角分别为107.56度和98.92度4.88度。年龄在19至24岁之间的志愿者更喜欢更多急性男性鼻角角。在性别中，直角背是最可取的（分别为0.03 0.78和0.26 0.75 mm）。理想的男性和女性alar宽度为 - 0.51 2.26和 - 1.09 2.18毫米，分别为2.18毫米。更多的45至64岁的志愿者更喜欢等于圆顶距离的Alar宽度。理想的女性和男性尖端投影分别为0.57 0.01和0.56 0.01。结论结果表明，伊朗普通患者对两种性别的鼻孔更喜欢较薄的鼻孔鼻子。然而，理想的鼻角角，背高和尖端投影与新古典大炮一致。除种族差异外，鼻美的趋势还受到性别，年龄和先前的审美手术史的影响。
国际分子科学杂志
摘要：营养教育（NE）是旨在增强运动员饮食摄入量的几种策略之一。这项研究调查了新西兰和澳大利亚运动员在国内和国际比赛中竞争的NE偏好。运动员（n = 124，22（18，27）年，女性54.8％）从22个体育运动完成了一项在线调查，并使用描述性统计进行了分析的响应。教学技术被认为是“极其有效”的例子（47.6％的运动员），动手活动（30.6％）以及与协调员的讨论（30.6％）。设定个人营养目标对大多数运动员（83.9％）以及主持人的双向反馈（75.0％）很重要。一般营养主题被认为是“必不可少的”是能源需求（52.9％），水合（52.9％）和营养定义（43.3％）。绩效主题认为“必不可少”是恢复（58.1％），运动前营养（51.6％），运动过程中的营养（50.0％）和培训能量需求（49.2％）。运动员更喜欢“面对面小组和一对一会议的组合”（占运动员的25％），“一对一的会议”（19.2％）和“面对面的小组会议”（18.3％）（18.3％），只有13.3％的人对“独家在线交付”感兴趣。参与者青睐31-60分钟（61.3％的运动员）（61.3％的运动员）（37.5％）的会议（61.3％），并受到了同一运动能力的运动员（61.3％）。首选的促进者是表现营养师或营养学家（占运动员的82.1％），他们对这项运动有了解（85.5％），体育营养方面的经验（76.6％）和信誉（73.4％）。这项研究提供了对为运动员设计和实施营养教育时需要考虑的因素的新见解。
官僚还是人工智能：民众对政府服务的偏好与认知
传统的公共行政决策由公务员与公民 1 互动组成，以确定对公民来说正确的合法行动方针。然而，最近人们开始推动使用人工智能 (AI) 和算法 2 来帮助促进公共决策和服务提供。这是一项始于 20 世纪 90 年代初和 21 世纪的举措，公共组织使用先进的信息技术帮助他们在公共服务提供方面做出更好的决策，例如预测交通拥堵和 COMPSTAT（Tong & Wong，2000 年；Walsh，2001 年）。作为推动自动化程度提高的一部分，学者们认为人工智能驱动的自动化可以进一步提高组织在行政决策方面的绩效和效率（Zekić-Sušac 等人，2021 年）。此外，学者们认为，数字技术的使用将有助于管理者提供“更好的公共服务”，同时继续使公共服务专业化（Lindgren 等人，2019 年）。其中一个例子是使用机器学习，机器学习是人工智能的一个分支，专注于通过数据和算法来模拟人类学习，提供图像或手写识别（IBM Cloud Education，2020 年），然后用于创建简单任务的自动化链（Veale & Brass，2019 年）。第二个在公共服务中越来越普遍的例子是使用自动呼叫中心，其中人工智能用于搜索文档并帮助代理解决客户查询（Mehr，2017 年）。
自由选择：了解上肢运动障碍人士在日常生活活动中的输入方式偏好
P1 女 41 先天性多发性关节挛缩 手臂和腿部运动范围和力量受限。不能举起手臂或伸展。 P2 女 23 脑瘫 粗大运动和精细运动困难。 P3 男 35 脊髓损伤（C5） 肩膀以下瘫痪，手指无法屈曲。 P4 女 38 脊髓损伤（C5） 腕部功能尚可，手部不灵活。 P5 男 47 肌营养不良症 力量有限，二头肌极其无力，无法在没有重力的情况下举起手臂。 P6 男 27 脊髓损伤（C4/C5） 一侧腕部伸展，手指无法活动，三头肌无法控制，没有精细运动。 P7 男 24 脑瘫 左臂瘫痪。 P8 男 33 脊髓损伤（C5） 可以使用二头肌，无法使用三头肌，可以锻炼到二头肌中点，再往下则无感觉。双手无精细运动功能。P9 男 22 中风 右臂不能超过 45 度。P10 男 34 脑瘫 手腕、手部难以移动，手臂无法弯曲。
澳大利亚电动汽车：移动分布式储能的电价设计结构和消费者偏好
摘要：电动汽车 (EV) 的采用可能有助于运输部门脱碳，并有可能通过其储能能力为消费者和电网运营商带来价值。虽然电价在消费者接受电动汽车方面可以发挥重要作用，但人们对电动汽车充电费率设计如何影响电动汽车用户参与支持电网的应用（例如归类为车对万物 (V2X) 的应用）的行为知之甚少。本研究以澳大利亚为例，回顾了有关电动汽车的文献，重点关注电动汽车充电费率及其对 V2X 背景下消费者行为的影响。从最新出版物中得出的主要结论表明，精心设计的电动汽车费率结构、可用的停车位和电动汽车充电设施可以增加消费者对 V2X 的参与度。然而，电动汽车用户和电网运营商之间需要合作建立一种受控充电协议，以充分利用电动汽车电力存储系统的潜力，实现电网稳定和电池支持操作。为了实现这一目标，必须建立正确的资费结构，以激励电动汽车消费者订阅 V2X 服务。我们还提出了电动汽车资费设计建议，以支持澳大利亚消费者参与 V2G。最后，我们确定了进一步研究的研究空白。
加拿大消费者对基因编辑食品的偏好
几十年来，食品生产和加工领域的创新基本上一直处于“幕后”状态。社交媒体的当前性质以及对食品透明度提高的呼吁导致了新的局面，消费者对产品的需求比以往任何时候都更加重要，但这些需求越来越基于有限或不正确的信息。消费者意识迅速崛起的一个领域是基因编辑食品领域。本文通过消费者调查收集了消费者对三种基因编辑食品的食品安全、基因编辑和消费意愿的看法。研究发现，有四个因素对消费者的看法有很大影响：对加拿大食品安全系统的信任；食品技术新奇恐惧症评分；遗传学知识；以及对基因编辑的自我认知。对 497 名加拿大人的调查发现，15% 的人认为自己是新奇恐惧症患者，12% 的人认为自己是新奇爱好者。大多数参与者认为自己是中立的。当呈现各种食物价值时，参与者表示营养、价格和口味是三个最重要的价值。参与者消费基因编辑食品的意愿与新奇恐惧症和新奇喜好的偏好密切相关，新奇恐惧症者不愿意消费，新奇喜好者则不确定。唯一对消费者消费意愿产生强烈影响的食品价值是产品生产对环境的影响。加拿大消费者对加拿大食品安全体系的信任程度为中等到高度，但这种信任程度未能延续到通过创新技术生产的食品上；然而，消费者对基因编辑技术的信任程度高于转基因技术。
使用多模式数据来实现基于学习的人类掌握偏好的认识
•铅3D捕获和经验研究与32个受试者使用Cube与204个对象相互作用的二元移交相互作用•提供深度学习算法，以识别物体输入3D表示的人类移交偏好•增强掌握算法是人为意识到的科学影响：
已发布版本的引用 (APA)：Ploug, T.、Sundby, A.、Moeslund, TB 和 Holm, S. (2021)。人口对医疗保健领域人工智能性能和可解释性的偏好：基于选择的联合调查。医学互联网研究杂志，23 (12)，文章 e26611。https://doi.org/10.2196/26611
背景：某些类型的人工智能 (AI)，即深度学习模型，在某些领域可以胜过医疗保健专业人员。此类模型对改善诊断、治疗和预防以及提高医疗保健成本效益具有巨大潜力。然而，它们是不透明的，因为它们的确切推理无法完全解释。不同的利益相关者强调了人工智能决策透明度/可解释性的重要性。透明度/可解释性可能会以牺牲性能为代价。需要制定一项公共政策来规范人工智能在医疗保健中的使用，以平衡社会对高性能和透明度/可解释性的利益。公共政策应该考虑公众对人工智能这些特征的广泛兴趣。目标：本研究调查了公众对人工智能决策在医疗保健中的表现和可解释性的偏好，并确定这些偏好是否取决于受访者的特征，包括对健康和技术的信任以及对人工智能的恐惧和希望。方法：我们在丹麦成年人口代表样本中进行了一项基于选择的联合调查，调查公众对医疗保健领域人工智能决策属性的偏好。初步焦点小组访谈得出了 6 个属性，这些属性影响了受访者对医疗保健领域使用人工智能决策支持的看法：（1）人工智能决策的类型，（2）解释水平，（3）性能/准确性，（4）最终决策的责任，（5）歧视的可能性，以及（6）应用人工智能的疾病的严重程度。总共使用部分因子设计开发了 100 个独特的选择集。在一项包含 12 个任务的调查中，受访者被问及他们对医院使用人工智能系统的偏好，涉及 3 种不同的场景。结果：在 1678 名潜在受访者中，有 1027 人（61.2%）参与了调查。受访者认为医生对治疗决策负有最终责任是最重要的属性，占总属性权重的 46.8%，其次是决策的可解释性（27.3%）和系统是否经过歧视测试（14.8%）。其他因素，例如性别、年龄、教育水平、受访者居住在农村还是城镇、受访者对健康和技术的信任以及受访者对人工智能的恐惧和希望，在大多数情况下并不发挥重要作用。结论：对公众最重要的三个因素按重要性降序排列为：（1）医生最终负责诊断和治疗计划，（2）人工智能决策支持是可解释的，以及（3）人工智能系统已经过歧视测试。关于医疗保健领域人工智能系统使用的公共政策应优先考虑此类人工智能系统的使用，并确保向患者提供信息。
