XiaoMi-AI文件搜索系统
World File Search SystemSLR
基于AI的决策系统中的性别偏见
相关文献和行业出版社表明，基于人工智能（AI）的决策系统可能会偏向性别，这反过来影响个人和社会。信息系统（IS）领域已经认识到基于AI的结果及其影响的丰富贡献；但是，缺乏关于基于AI的决策系统中性别偏见的管理及其不利影响的研究。因此，基于AI的决策系统中对性别偏见的关注正在引起关注。，需要更好地了解促成因素和有效方法来减轻基于AI的决策系统中的性别偏见。因此，这项研究通过对现有文献进行系统文献综述（SLR），并为基于AI的决策系统中的性别偏见的管理提供了系统文献综述（SLR）。SLR结果表明，基于AI的决策系统中对性别偏见的研究尚未确定，强调了未来的巨大潜力是该领域的研究，正如本文所阐明的那样。基于这篇综述，我们将基于AI的决策系统中的性别偏见概念化为社会技术问题，并提出了一个理论框架，该框架提供了技术，组织和社会方法以及四个命题以及可能减轻偏见效应的四个主张。最后，本文考虑了关于组织背景下基于AI的决策系统中性别偏见的未来研究。
化妆品中使用的三甲基苯甲酰二苯基氧化物的安全评估
To: Expert Panel for Cosmetic Ingredient Safety Members and Liaisons From: Priya Cherian, M.S., Senior Scientific Analyst/Writer, CIR Date: February 14, 2025 Subject: Safety Assessment of Trimethylbenzoyl Diphenylphosphine Oxide as Used in Cosmetics Enclosed is the Draft Report on the Safety Assessment of Trimethylbenzoyl Diphenylphosphine Oxide如化妆品所用。（在PDF文档中，它被识别为Report_trimethylbenzoyldiphophosphinyoxine_032025）。科学文献综述（SLR）由CIR于2024年11月21日发布。自发出SLR以来，收到了一项使用研究，评估了使用含有三甲基苯甲酰二苯基磷脂氧化物的产品（基础，颜色和含有0.25、3.65和1.5％的顶部外套）的产品的刺激潜力。这些数据已添加到该报告中，并且可以在数据包中以Data1_trimethylbenzoyldiphenyl磷脂氧化物_032025的形式找到。此数据包中的其他项目包括：
编程 - 挑战 - 体验 - 学会 -
摘要工业革命的出现4.0改变了包括教育领域在内的许多部门。在这个数字，编程教育的时代，目前正在全球范围内纳入小学课程。研究采用了系统文献综述（SLR）方法。这项SLR研究确定了小学生面临的编程挑战，并找到解决这些挑战的解决方案。所需的20篇文章的选择是基于Prisma指南。通过Google Scholar，Science Direct和Eric等几个数据库进行了对20个相关文章的全面分析。在2019年至2024年之间发表了为SLR选择的文章。的发现表明，在小学生中导致编程挑战的关键因素被归类为认知，数字技能，元认知挑战，编程语言和与学生准备就绪有关的问题。此外，获得良好的基础设施和资源的机会有限，将进一步阻碍有效的编程教育。最终，这项SLR研究希望可以指导老师和政策制定者有关小学生面临的挑战，以便他们可以增强编程教育，以确保学生在未来的未来学习充分和更好地做好准备。关键字：小学编程，解决问题的技能，编程挑战，数字素养，认知，元认知。引言工业革命4.0带来了我们日常生活的许多方面的变化。因此，教育课程在全球范围内也发生了变化。它始于2016年在德国和美国等发达国家；在扩展到韩国，中国，新加坡和马来西亚等亚洲国家之前（Lai＆Aziz，2019年）。Badrulhisham等。（2019）强调，工业革命4.0对教育领域提出了巨大挑战。以前，编程仅在大学级别进行了研究。然而，工业革命4.0引起的变化导致近年来对全球规模的小学节目教育的重新兴趣。因此，为了适应数字时代，全球课程修改正在迅速发展（Starkey，2016年）。
会计马里兰州的蓝色碳
沿海生态系统具有很高的碳封存率。这些系统包括沼泽，海草，潮汐森林湿地和红树林。会计方法仍在精炼方法。总碳通量清单通过将“排放因子”乘以“活动数据”（区域）来起作用。确定了未来的科学和数据资源需求，可以更好地为会计系统提供信息。分析和建模表明，栖息地变化会导致碳的变化，栖息地的变化是海平面上升的结果。海平面上升导致沿海地区从碳水槽切换到碳源。在SLR下对沿海栖息地和蓝色碳的管理建议：增强现有沼泽，考虑沿海计划中SLR的考虑，重新连接淡水湿地以减少甲烷排放。
量子计算系统的软件体系结构
量子计算系统依赖于量子力学的原理来比其经典对应物更有效地执行多种计算挑战性的任务。软件密集型系统的架构可以增强可以利用以架构为中心的过程，实践，描述语言来建模，开发和进化量子计算软件（简称量子软件）的架构师。我们进行了系统的文献综述（SLR），以研究（i）架构过程，（ii）建模符号，（iii）体系结构设计模式，（iv）工具支持以及（iv）量子软件体系结构的具有挑战性的因素。SLR的结果表明量子软件代表软件密集型系统的新类型；但是，可以量身定制现有的流程和符号，以得出架构活动并为量子软件开发建模语言。量子位（Qubits）映射到量子门（Qugates）可以表示为实现量子软件的架构组件和连接器。 工具链可以结合可重复使用的知识和人类角色（例如量子域工程师，量子代码开发人员），以自动化和自定义建筑过程。 该SLR的结果可以促进研究人员和从业人员开发要测试的新假设，得出参考体系结构，并利用以架构为中心的原理和实践来工程师的新兴和下一代量子软件。 ©2023作者。 由Elsevier Inc.出版 这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。量子位（Qubits）映射到量子门（Qugates）可以表示为实现量子软件的架构组件和连接器。工具链可以结合可重复使用的知识和人类角色（例如量子域工程师，量子代码开发人员），以自动化和自定义建筑过程。该SLR的结果可以促进研究人员和从业人员开发要测试的新假设，得出参考体系结构，并利用以架构为中心的原理和实践来工程师的新兴和下一代量子软件。©2023作者。由Elsevier Inc.出版这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
零工经济中的监管发展：文学...
摘要 - 预计零工经济的出现及其快速增长将在其经济中发挥重要作用。尽管有很大的收益，但零工经济业务模式也在许多国家和地区吸引了许多问题。这项研究利用了Snyder进行系统文献综述（SLR）方法来分析零工经济中的调节问题，该问题被分为六个步骤，这些问题定义了中心问题，确定数据库，使用搜索字符串查找相关的关键字，以找到相关的关键字，提取数据，过滤数据并分析对主要问题的发现。SLR结果表明许可和错误分类是零工经济中最主要的因素，而监管问题，例如安全，税收，外部性，工资，福利，隐私和歧视领域，也是其中的其他因素。吸引监管机构的最受欢迎的平台类型是按需工作，资产租赁和人群工作。
文献计量与系统文献分析 - ZU Scholars
摘要——人工智能 (AI) 和机器学习 (ML) 在教育领域的融合是一个快速发展的领域，但其对学生学习成果的长期影响和实际影响需要更深入的研究。为解决这一差距，我们的研究提供了一种新颖的方法，结合了文献计量分析和系统文献综述 (SLR)，并以 PRISMA 方法为指导。第一阶段是全面的文献计量分析，确定了教育环境中 AI/ML 领域的主要国家、教育机构、期刊、关键词和有影响力的作者。这一阶段提供了对该领域格局的宏观了解，展示了教育领域 AI/ML 研究的全球性和跨学科性质。随后的阶段涉及对 22 篇精选学术文章进行细致的 SLR。这项深入的审查揭示了 AI 和 ML 在教育中的当前应用、新兴趋势、挑战和未来方向。这种双重方法的研究结果为教育工作者、研究人员和政策制定者提供了全面的路线图，强调了 AI 和 ML 在教育领域的变革潜力。该评论的大量文章深入探讨了人工智能在教育领域的各种重大影响，突出了其在预测学业成功、增强电子学习体验以及为未来几代人做好人工智能在医疗保健等各个领域的整合准备方面的作用。这项研究不仅强调了人工智能在重塑教育格局方面的革命性潜力，而且还为在教育中有效部署人工智能和机器学习技术提供了指导框架。关键词 — 人工智能、机器学习、教育、系统文献综述 (SLR)
使用数字孪生进行预测性维护 - WUR eDepot
背景：预测性维护是一种创建更可持续、更安全、更有利可图的行业的技术。创建预测性维护系统的关键挑战之一是缺乏故障数据，因为机器经常在故障前进行维修。数字孪生提供物理机器的实时表示并生成预测性维护算法可以使用的数据（例如资产退化）。自 2018 年以来，关于将数字孪生用于预测性维护的科学文献数量激增，这表明需要进行彻底的审查。目标：本研究旨在收集和综合专注于使用数字孪生进行预测性维护的研究，为进一步的研究铺平道路。方法：使用主动学习工具对已发表的使用数字孪生进行预测性维护的主要研究进行系统文献综述 (SLR)，其中分析了 42 项主要研究。结果：本 SLR 确定了使用数字孪生进行预测性维护的几个方面，包括目标、应用领域、数字孪生平台、数字孪生表示类型、方法、抽象级别、设计模式、通信协议、孪生参数以及挑战和解决方案方向。这些结果有助于在学术界和行业中使用数字孪生开发预测性维护的软件工程方法。结论：本研究是预测
荷兰NO2和PM2.5的小时土地使用回归建模。
年平均土地利用回归（LUR）模型已被广泛用于评估空气污染暴露的空间模式。但是，它们无法捕获空气污染中的昼夜变异性，因此可能导致动态暴露评估有偏见。在这项研究中，我们旨在使用LUR算法对荷兰的两种主要污染物（第2和PM 2.5）进行平均小时浓度。，我们建模了2016年至2019年平均小时浓度的空间变化，合计为两个季节，以及两种工作日类型。使用了两种建模方法，有监督的线性回归（SLR）和随机森林（RF）。潜在的预测因子包括种群，道路，土地利用，卫星检索和化学转运模型污染估计具有不同缓冲尺寸的变量。我们还使用小时监控数据从2019年的年度模型进行了时间调整，以将其性能与小时建模方法进行比较。结果表明，每小时2个模型的总体表现良好（5倍交叉验证r 2 = 0.50 - 0.78），而PM 2.5进行中等（5倍交叉验证r 2 = 0.24 - 0.62）。在第2号和PM 2.5中，温暖季节的表现都比寒冷的季节差，周末比工作日还差。两种污染物的RF和SLR模型的性能相似。对于SLR和RF，与工作日相比，在周末型号中选择了更大的缓冲尺寸的变量，代表背景浓度的变化，与冷季相比，在周末模型中选择了更频繁的变量。年度平均模型的时间调整总体上比两种建模方法都要差（无2小时r 2
辅助负荷促进以目标为导向的拉伸反射增益调节
自愿运动在执行前需要做好准备。人们已在整个中枢神经系统中观察到了准备活动，最近在人类周围神经系统（即肌梭）的一级神经元中也发现了准备活动。感觉器官中出现的变化表明，拉伸反射增益的独立调节可能是运动准备的重要组成部分。本研究的目的是进一步研究人类受试者优势上肢的短延迟拉伸反射反应 (SLR) 和长延迟拉伸反射反应 (LLR) 的准备调节。具体来说，我们研究了不同的目标参数（目标距离和方向）如何影响目标导向伸手的背景下拉伸反射增益的准备调节，以及任何此类调节是否取决于准备持续时间和背景负荷的方向。我们发现目标距离只会产生很小的反射增益变化。相比之下，SLR 和 LLR 增益都根据目标方向受到强烈调节，从而促进即将到来的自愿运动。当准备延迟足够长（> 250 毫秒）且同向肌肉未负重时，这种以目标为导向的 SLR 和 LLR 增益调节会出现或增强 [即，当背景负荷首次施加在同向肌肉动作方向（辅助负荷）时]。结果进一步支持了伸手准备中相对缓慢进化的过程，该过程可能通过独立控制肌腱运动神经元来调节反射性肌肉僵硬。这种控制可以增强自愿的目标导向运动，并在同向肌肉未负重时被触发或增强。