XiaoMi-AI文件搜索系统
World File Search SystemTAU
用英语教授的课程
本手册中列出的课程是指2023/24学年。有关最新课程信息，请访问http://www.jku.at/exchange/courses单身汉学习计划：•人工智能•人工智能•生物化学•化学技术•化学技术•国际商业管理•转型研究。Art x Science Master study programmes taught in English: • Artificial Intelligence • Biological Chemistry • Chemistry and Chemical Technology • Comparative Social Policy and Welfare • Computational Mathematics • Computer Science • Economic and Business Analytics • Economics • Industrial Mathematics • Leadership and Innovation in Organizations • Management • Management in Chemical Technologies • Management in Polymer Technologies • Molecular Biology • Physics • Polymer Chemistry • Polymer Technologies and Science •统计
2023 - 2024 年英语授课学习项目
翻译与口译 第二年 课程代码 名称 学期 ECTS 18027 语言与文明 B3：英语 1 6 18029 语言与文明 C3：英语 1 6 18035 语言与文明 B4：英语 2 6 18037 语言与文明 C4：英语 2 6 18041 语言 B 通用翻译 B2：英语 2 6 18053 语言 C 通用翻译 C2：英语 1 6 第三年 课程代码 名称 学期 ECTS 18061 语言 D1（英语） 1 6 18069 语言与文明 B5（英语） 1 6 18071 语言与文明 C5（英语） 1 6 18083 语言 D2 英语 2 6 18091 语言与文明 B6（英语） 2 6 18093 语言与文明 C6（英语） 2 6
使用E-Menu和服务员的智能餐厅...
Alam，Kazi Rabiul等。[2]讨论了主要目的用于降低智能餐厅的初始运营成本。这种餐厅中使用的最常见方法是使用线条追随者机器人进行食物。此方法具有其缺点，例如，安装的初始成本非常高，并且由于需要专用的线路工作而消耗了很多空间。因此，使用高架起重机来克服所有这些缺点。这款高架起重机能够直接从厨房到客户的餐桌上食用食物，而无需进行任何干预。移动软件用于控制该系统，构建了框架，该框架在继电器系统上工作的高架车轮系统中工作，以及用于障碍物检测的IR传感器和微控制器PIC 16F72，以识别桌子，必须将食物从厨房提供到所需的桌子。
TAU BETA PI 学者 BIOS
Tau Beta Pi 慷慨地为学生提供奖学金。他将用这笔钱资助自己 2022 学期的学业。进入 Bryce 的第五年，他已经完成了他的毕业设计（深度脑刺激帮助治疗抑郁症），并且正在完成大学荣誉学院的课程。毕业后，他计划利用他的射频通信和集成电路学位为英特尔和 AT&T 等公司工作。
在Insa Toulouse用英语教授的课程
GP3E培训的目的是培训能够应对水，能源和环境的主要社会挑战的工程师，以便他们可以在当今社会经济世界中成为积极主动的参与者，以及能源过渡，循环经济和适应气候变化的领导者。为了应对水，能源和环境的挑战，其工程师必须精通基本科学，并深入了解化学工程的基本概念，除了社会和沟通技巧以及在国家和国际阶段管理和领导专业团队的能力。该部门训练学生成为：饮用水生产和水处理的专家工程师；过程和能源；生态设计；环境;甲烷化；碳会计；可再生能源和能源效率；废物处理和价值；和可持续化学工程。
受 UTAUT 启发的人工智能采用意向模型 (AI2M) 受 UTAUT 启发的人工智能采用意向模型 (AI2M)
企业尚未充分了解人工智能 (AI) 的采用及其好处，导致企业采用成功率较低。众所周知的技术接受和使用统一理论 (UTAUT) 及其扩展并未考虑 AI 和特定企业规模的特殊性。在此背景下，本研究的主要目标是提出一个受 UTAUT 启发的新模型，以考虑基于 AI 的 IS 和不同企业规模的特殊性。使用 363 名参与者的样本测试了所提出的人工智能采用意向模型 (AI2M)，证实了 UTAUT 影响因素的重要性：感知绩效、社会影响和预期努力。此外，与 UTAUT 的背景不同，发现促进条件会影响行为意向。此外，中介测试表明，自我效能和社会影响会调节其他三个因素对采用意向的影响。最后，发现公司规模对自我效能和社会影响对采用意向的影响之间存在调节关系。 AI2M 解释了采用意向的 48% 方差，对不同规模的企业具有普遍性。因此，本研究有助于缩小技术采用相关研究与不同规模企业采用基于 AI 的技术之间的差距，为未来学者的研究和管理者决策提供支持。
人工智能辅助学习环境接受意愿影响因素探究——基于UTAUT模型与感知风险理论的实证研究
人工智能技术已广泛应用于许多领域，人工智能辅助学习环境已在课堂中实施，以促进教学模式的创新。然而，大学生对人工智能辅助学习环境的接受意愿（WTA）却被忽视。探索影响大学生使用人工智能意愿的因素可以促进人工智能技术在高等教育中的应用。本研究基于技术接受与使用统一理论（UTAUT）和感知风险理论，确定了影响学生使用人工智能意愿的六个因素，以分析它们与WTA人工智能辅助学习环境的关系。构建了一个包含六个假设的模型来检验影响学生WTA的因素。结果表明，大学生对人工智能辅助学习环境的构建表现出“弱拒绝”。努力期望（EE）、成绩期望（PE）和社会影响（SI）均与大学生WTA人工智能辅助学习环境呈正相关。心理风险（PR）对学生的WTA有显著的负面影响。本研究的结果将有助于开展风险沟通，从而促进人工智能辅助学习环境的建设。
印度社会发展组织采用人工智能工具：UTAUT 模型的扩展
社会发展组织越来越多地使用人工智能 (AI) 工具来帮助团队成员有效和高效地协作。这些工具用于各种团队管理任务和活动。基于技术接受和使用统一理论 (UTAUT)，本研究探讨了影响员工使用人工智能工具的各种因素。该研究通过两种方式扩展了该模型：a) 通过评估这些工具对员工协作的影响；b) 通过探索人工智能厌恶的调节作用。数据是通过对使用人工智能工具的员工进行在线调查收集的。研究模型的分析是使用偏最小二乘 (PLS) 进行的，采用两步模型——测量和评估的结构模型。结果表明，努力预期、绩效预期、社会影响和促进条件等前因变量与使用支持人工智能的工具呈正相关，而这些工具与协作呈正相关。研究还得出结论，人工智能厌恶在绩效预期与技术使用之间的关系中具有显著影响。这些发现意味着组织应专注于构建采用支持人工智能的工具的环境，同时也要解决员工对人工智能的担忧。
根据UTAUT
作者注：Cadet Pratt是美国军事学院（USMA）系统工程系的四年级学生。他的论文顾问是USMA系统工程计划主任Matthew Dabkowski上校。摘要：随着现代系统越来越复杂，物理工作场所变得越来越数字化，许多行业已经认识到有必要从传统的基于文档的系统工程到基于模型的系统工程（MBSE）过渡。尽管认可了这种认可，但一些行业仍未完全接受MBSE，尤其是航空航天。要理解有关航空航天行业中MBSE采用的这一犹豫的相关研究，映射到了统一接受和使用技术理论（UTAUT）的关键因素和主持人。此映射突出了关键的挑战者和推动者。对MBSE采用的重要挑战者似乎是前期投资，连根拔起遗产方法和既定的规范，并且依赖不完美的，训练密集型的建模语言。MBSE采用的重要推动因素似乎是集体的组织支持，在小型项目中吹捧成功，并且在学术界以MBSE驱动的研究。最终，从这个映射领域得出结论，以供将来的研究和改进所有学科的MBSE采用方法。关键字：基于模型的系统工程，统一的技术接受和使用理论，航空航天。