XiaoMi-AI文件搜索系统
World File Search SystemSituation
审视人工智能对公共关系的影响：来自组织-情况-公共关系的见解
通讯作者：Nohil Park 摘要：人工智能 (AI) 在公共关系 (PR) 领域的日益普及是一个不可否认的现实。尽管人工智能还处于广泛采用的早期阶段，但组织正在逐步将人工智能融入其 PR 方法中。然而，从业者对人工智能的理解和实施各不相同。本研究的目的是阐明人工智能在组织-情境-公共-沟通 (OSPC) 模型背景下对 PR 的影响。我们采用全面的文献综述作为研究设计，研究了大量学术文章和行业报告，以收集有关人工智能驱动工具、它们在 PR 中的应用以及 OSPC 模型每个级别的含义的数据。研究结果表明，人工智能驱动的工具正在提高效率、个性化沟通、适应情境因素并培养与公众的关系。然而，这些进步也伴随着潜在的风险、挑战和道德考量，需要进一步研究。具体而言，人工智能驱动的自动化有时会掩盖人类的专业知识，引发人们对公关传播中的信任和透明度的担忧。该研究得出的结论是，公关从业者迫切需要在人工智能驱动的自动化和人类专业知识之间取得最佳平衡。此外，鼓励公关从业者不断更新他们的技能和能力，特别是在数据分析和人工智能方面，并采用透明的沟通方式。这项研究为从业者和研究人员提供了宝贵的见解，使他们能够有效应对这项快速发展的技术带来的挑战和机遇，并制定更明智、更合乎道德的人工智能驱动的公关策略。
人类表现和态势感知措施
态势感知 (SA) 是与正在执行的任务相关的知识。例如，飞行员必须了解飞机的状态、飞行环境以及它们之间的关系，例如雷暴与湍流有关。它是决策的重要组成部分，已被纳入多种决策模型中（例如，Dorfel 和 Distelmaier 模型，1997 年；见图 3.1）。态势感知有三个层次（Endsley，1991 年）：第 1 级，对环境中元素的感知；第 2 级，对当前情况的理解；第 3 级，对未来状态的预测。态势感知测量有四种类型：性能（也称为查询方法，Durso 和 Gronlund，1999 年）、主观评级、模拟（也称为建模，Golightly，2015 年）和生理测量。以下各节分别描述了前三种类型的态势感知测量。 French 等人 (2003) 和 Vidulich 等人 (1994) 撰写了描述 SA 生理测量的文章。图 3.2 给出了帮助选择最合适测量的流程图。请注意，Stanton 等人 (2005) 提出了另一种 SA 测量分类。它们的类别是：SA 需求分析、冻结探测、实时探测、自我评级探测、观察者评级和分布式 SA。该团队还评估了 17 种 SA 测量在指挥、控制、通信、计算机和情报 (C4i) 应用中的应用
透明度和解释对人机团队信任和态势感知的影响
相互依存地朝着共同目标前进。我们将此实体称为 HRT。然而，即使在 USAR 环境中引入机器人技术，许多 USAR 任务仍然依赖于沟通能力有限或仅能向人类操作员显示简单机器人状态元素的机器人。尽管机器人状态信息很重要，但这种类型的沟通不需要 HRT 进行深入交流，这使得人类操作员更多地扮演监控者或监督者的角色，而不是队友，团队互动仅限于询问机器人队友或在机器人队友的限制范围内工作。因此，USAR 机器人有限或缺乏沟通能力可能会阻碍 HRT 的有效性，导致机器人被视为依赖关系中的工具，而不是相互依赖关系中的队友。这种客观性虽然在某些决策环境下（例如对工具的信任进行适当校准）很重要，但也可能阻碍人类同行与能力日益增强的机器人建立信任和互动团队认知的基础。信任和互动团队认知是高效团队的重要组成部分（Cooke 等人，2013；Schaefer，2016）。在将机器人融入 HRT 时，由于机器人自动化故障的必然性，人们更倾向于从团队合作的角度而不是工具的角度来考虑（Honig & Oron-Gilad，2021）。意外的机器人故障——即使这些故障可以归因于环境因素而非技术因素——通常会导致人类信任度下降，并可能导致机器人队友被视为不可预测或不可靠。这种性质的机器人故障表明，需要找到解决方案来解决半自主机器人队友的缺点，以更好地发挥他们作为有用队友的潜力。考虑到这一点，本研究的目的是探索机器人的解释和透明度如何影响 HRT 中的人类信任和态势感知，并量化模拟环境中 HRT 沟通的最佳模式。
世界经济形势与前景
微芯片，有时也称为半导体，1 是现代电子产品的核心。它们几乎无处不在，存在于人们的日常生活中，存在于智能手机和其他消费产品、工业机器和军事系统中（图 1）。Leibovici 和 Dunn（2021 年）根据美国的工业信息估计，226 个制造业中约有 25% 使用半导体作为直接投入；这些行业占所有制造业产出的 39%。预计这些比率将随着时间的推移迅速增加。更重要的是，微芯片对于各国向绿色经济转型至关重要。它们广泛用于可再生能源技术，包括太阳能电池板和风力涡轮机。它们还可以用于有助于绿色转型的各种其他应用，例如节能照明、智能家居和建筑以及电动汽车。微芯片对于实现未来技术（包括人工智能、量子计算和先进的无线网络）至关重要。
芬兰的情境意识解决方案
一组芬兰和芬兰的技术公司为非军事应用提供并建立情境意识系统。这些公司在自己的技术领域具有深厚的专业知识，并且作为一个集群，它们满足了各种各样的客户需求。小组的能力领域和产品涵盖了情境意识系统的所有方面，从卫星和传感器到基于人工智能的数据处理系统。根据系统的应用和要求，将相应选择参与公司。以下图显示了情境意识系统中的联合芬兰产品。
态势意识评级技术（SART）中主观态势意识的测量水平及其维度
一个人理解情况的测量方法，经常用于评估依赖于人类行为的关键系统的安全性和有效性。虽然有客观的方法来测量 SA，但主观评估，如 SA 评级技术 (SART)，仍然被广泛使用。然而，目前还不清楚 SART 测量的 SA 或其组成维度的测量水平是什么。这是一个很大的差距，因为测量水平决定了哪些数学和统计学可以有意义地用于合成和评估测量。本研究使用以前开发的确定心理测量评级测量水平的方法来评估 SART 及其元素的测量水平。结果表明，在大多数情况下，SA 的所有维度都可以视为区间，但每个维度都在单独的区间尺度上。这个结果使人们对 SART 用于从其子组件计算 SA 的公式的有效性产生了怀疑。我们最终讨论了我们的结果并探索了未来的研究方向。