XiaoMi-AI文件搜索系统
World File Search SystemUsers
用户年龄预测的机器学习方法
包括年龄和性别在内的用户人口属性的准确预测是个性化搜索，广告定位和其他相关领域的关键挑战。此信息使公司能够完善目标受众并增强整体用户体验和服务质量（QoS）。其中，沙特电信公司（STC）是沙特阿拉伯，中东和非洲的主要电信提供商，认识到了年龄预测系统的重要作用。因此，这项研究探讨了机器学习（ML）技术以预测用户年龄的应用，从而有助于提供适合年龄的广告和优惠。我们使用了由STC提供的数据集，其中包括具有关键用户和设备功能的300万个样本。在此分析中采用了四种ML算法：人工神经网络（ANN），随机森林（RF），梯度增强（GB）和决策树（DT）。这些模型根据其预测性能进行了比较和评估。ANN成为最佳分类器，达到60％的准确性，与电信行业中进行的类似研究相当。这些发现的含义表明，ML技术可以有效地预测用户信息，从而使服务提供商可以针对用户的特定年龄人口统计来量身定制其产品。这项研究的发现有助于对用户年龄预测及其对电信公司的实际意义有更广泛的了解。未来的研究可以通过探索其他人口预测挑战并将ML方法应用于其他部门来扩展这项工作。
对图书馆使用人工智能 (AI) 的看法和体验：巴基斯坦图书馆用户研究
摘要：本研究旨在了解图书馆用户对在图书馆使用人工智能 (AI) 的看法、态度和需求。 我们对来自该地区学术图书馆和公共图书馆的 71 名受访者进行了调查问卷。 这项调查探讨了与图书馆中使用人工智能相关的一系列主题，例如其可察觉的利弊；道德和隐私考虑；用户人口统计；以及影响用户采用和对人工智能服务满意度的因素。 调查结果显示，人们对图书馆中使用人工智能的态度普遍积极。 然而，有人担心此类决定会对隐私和道德产生影响。 图书馆在实施和管理人工智能系统时必须考虑用户的需求和期望。 同时，还需要进一步研究以探索与这一新兴技术领域相关的不同主题。 简介：人工智能 (AI) 可以广义地定义为数字计算机或机器人执行通常与智能生物相关的任务的能力。人工智能领域的出现源于对机器如何像人类一样思考的探索，这需要分析我们的大脑如何处理信息并将其用于新任务或情况。人工智能依赖于学习或决策过程的模型——正如《大英百科全书》在 2023 年所定义的那样：“人工智能被定义为‘数字计算机或计算机控制的机器人执行通常与智能生物相关的任务的能力’”(Copeland，2023 年)。图书馆可以利用人工智能来增强一系列服务，例如馆藏开发、编目、流通和用户支持。人工智能在图书馆中的应用示例包括：
无障碍研究和多重残疾或复杂需求的用户
传统上，无障碍研究界将大部分精力集中在设计与单一类别的残疾相关的辅助技术和系统上。尽管这种方法为该领域带来了宝贵的进步和发展，但无障碍研究人员越来越一致地认为，专注于为单一残疾设计技术过于简化了残疾问题，因为这种方法可能无法充分解决大量具有复杂需求的用户在现实世界中的经历。尽管对患有多重、严重或复杂残疾的用户进行研究存在挑战，但就未来工作而言，无障碍研究界必须采用更具包容性的方法，让具有多重残疾生活经历的用户直接参与和塑造辅助系统和无障碍技术的设计。因此，我们提议举办第二届无障碍研究和多重残疾或复杂需求用户国际研讨会。研讨会将作为一个论坛，让参与者分享他们的观点，这些观点与设计考虑到多重残疾用户的多维需求的无障碍系统方面的挑战和机遇有关。该研讨会旨在挑战无障碍领域的现有范式、分享最新成果并促进未来合作。
Microsoft Word - 外部用户 2875 流程 - SAMIS AFSAC 在线报告 Web
a. 系统行为规则和通知与同意：请求者必须阅读并确认理解系统行为规则和通知与同意协议。点击表格第 13 块中的超链接即可找到这些内容（见下图）。
审查大型能源用户连接政策
关于系统运营商的义务的陈述：ESB网络指出，CRU关于系统操作员（SOS）评估申请的责任的观察结果考虑了《气候行动法》中规定的义务。ESBN支持在持久的基础上使用连接过程，以增加价值并帮助提供政策和气候目标。我们正在努力查看如何实现这一目标，并致力于与CRU合作，以确定确保可以实施可实施和扎根的监管过程所需的内容。我们还指出，CRU建议SOS将被要求对临时申请的评估标准进行更改。临时期间的任何变化都需要CRU与系统操作员之间的彻底考虑和参与度，这超出了呼吁证据的范围，而ESB网络将在这方面分别与CRU互动。
具身探索：利用虚拟现实为轮椅使用者提供远程无障碍评估
提前获取陌生地方的无障碍信息对于轮椅使用者更好地决定是否进行实地访问至关重要。如今的评估方法，例如电话、照片/视频或 360 度虚拟游览，往往无法提供针对个体差异所需的具体无障碍细节。例如，它们可能无法透露关键信息，例如桌子下面的腿部空间是否足够宽敞，或者设备的空间配置是否方便轮椅使用者使用。针对这一问题，我们提出了 Embodied Exploration，这是一种虚拟现实 (VR) 技术，可提供实地访问的体验，同时保持远程评估的便利性。Embodied Exploration 允许轮椅使用者利用越来越便宜的 VR 耳机，以化身的形式探索物理环境的高保真数字复制品。通过初步的探索性研究，我们调查了需求并不断改进我们的技术。通过对六名轮椅使用者进行真实世界用户研究，我们发现 Embodied Exploration 能够促进远程和准确的无障碍评估。我们还讨论了设计对具体化、安全性和实用性的影响。
使用集成生理传感器实时识别用户心理负荷 - VR HMD
本文介绍了一种通过定制带有生理传感器的商用 HMD 来实时识别虚拟现实中用户心理工作量的“一体化”解决方案。首先，我们介绍了构建系统所采用的硬件和软件解决方案。其次，我们详细介绍了用于自动识别用户心理工作量的机器学习方法，这些方法基于著名的随机森林算法。为了收集数据来训练系统，我们对 75 名参与者进行了广泛的用户研究，使用 VR 飞行模拟器来诱导不同程度的心理工作量。与之前根据标准化任务（例如 n-back 任务）或预定义任务难度标记数据的研究不同，参与者在实验过程中被询问他们感知到的心理工作量水平。利用收集到的数据，我们能够训练系统以对四种不同程度的心理工作量进行分类，准确率高达 65%。此外，我们讨论了信号标准化程序的作用、不同生理信号对识别准确度的贡献，并将使用嵌入 HMD 中的传感器获得的结果与商业级系统进行比较。初步结果表明，我们的流程能够实时识别心理工作量。总之，我们的结果表明，这种将生理传感器直接嵌入 HMD 的一体化方法是实现
Wu，Yichin和Halawi，Leila，“影响用户对使用大脑计算机接口（BCI）进行非医学用途的态度的因素：应用程序
影响用户对使用大脑因素的态度影响用户使用脑电脑界面（BCI）进行非医疗用途的态度的因素：用于非医疗用途的计算机接口（BCI）的应用：技术接受模型的应用（TAM）技术接受模型（TAM）
人类、人工智能和环境：了解最终用户对现实世界计算机视觉应用程序的信任
信任是人们与人工智能系统互动的重要因素。然而，缺乏实证研究来检验真实的终端用户如何信任或不信任他们与之互动的人工智能系统。大多数研究都是在实验室环境中通过假设的终端用户来调查信任的一个方面。在本文中，我们通过对现实世界的计算机视觉应用的定性案例研究，提供了对人工智能信任的整体和细致的理解。我们报告了对一款流行的基于人工智能的鸟类识别应用程序的 20 位终端用户的采访结果，我们从多个角度询问了他们对该应用程序的信任程度。我们发现参与者认为该应用程序值得信赖并信任它，但在进行验证行为后有选择地接受应用程序的输出，并决定在某些高风险场景中不采用该应用程序。我们还发现领域知识和背景是信任相关评估和决策的重要因素。我们讨论了我们的研究结果的含义，并为未来对人工智能信任的研究提供了建议。
确定挑战和最佳实践，以包括在基于用户的测试中的残疾用户
摘要：尽管为所有人促进数字包容而做出了努力，但残障人士仍在继续遇到重要的数字鸿沟。开发可用且可访问的解决方案还需要与真实的最终用户（尤其是对于残疾用户）进行基于用户的测试，以检测和解决他们经历的实际问题和障碍，并通过以用户为中心的方法根据反馈来提高可用性和可访问性。在将残疾用户包括在用户测试中时，必须给予额外的注意，以确保计划和进行测试，以使残疾用户的成功且有效地集成成功。这样做，有必要考虑与用户残疾有关的各种限制。通过进行系统的文献综述，我们收集并分析了将残疾用户纳入基于用户的测试和最佳实践的挑战，研究人员可以将这些挑战用于与残疾用户的未来基于用户的测试。在现有文献中，发表文章的积极趋势描述了与残疾用户进行测试的重要趋势。显然需要对测试研究的某些阶段进行更多报告。这项研究的主要结果是挑战和最佳实践列表，这些挑战和最佳实践在与残疾用户基于用户的测试的不同阶段中很重要。