XiaoMi-AI文件搜索系统
World File Search SystemWilcoxon
VR mindfu 的体验和减压优势
摘要 目的：本项先导研究测试了一次性虚拟现实正念模块 (VRMM) 对轻度至中度创伤性脑损伤 (TBI) 患者的可行性和减压效果。方法：38 名参与者参加了一项采用混合方法收敛并行设计的先导研究。收集了前测和后测的压力水平；参与者进行了一个简短的 4 个问题定性访谈。使用了 Mann Whitney U 和 Wilcoxon 符号秩检验。定性分析采用了扎根理论。结果：使用 VRMM 后，三分之二 (24) 的参与者的压力水平显著降低。一项关键的定性发现表明，参与者发现 VR 环境的沉浸感和真实感有助于弥补 TBI 造成的认知缺陷。没有报告不良副作用，表明精心设计的 VRMM 可最大限度地减少运动引起的不良影响，对 TBI 患者具有良好的耐受性。结论：VR 环境中的引导式正念活动耐受性良好，参与者总体上认为 VRMM 可有效降低压力水平。基于 VR 的环境有潜力利用引导式正念练习，并可能帮助 TBI 患者提高注意力。该技术在 TBI 康复中的进一步应用前景广阔，值得未来研究探索 VR 在改善康复结果方面的好处。
感染 SARS-CoV-2 后幸存的肥胖患者保留了抗原特异性 T 细胞频率
图 1 COVID-19 康复患者的 SARS-CoV-2 刺突特异性 T 细胞反应。 (A-D) 散点图显示与基础水平相比，COVID-19 康复者的 T 细胞亚群 (CD8+ 或 CD4+) 频率在 SARS-CoV-2 刺突肽池隔夜刺激后产生细胞因子 (TNF α、IFNγ)。 (E-H) 患有肥胖症 (PWO) 或不患有肥胖症 (对照个体) 的 COVID-19 康复者的 T 细胞亚群 (CD8+ 或 CD4+) 频率在 SARS-CoV-2 刺突肽池隔夜刺激后产生细胞因子 (TNF α、IFNγ)。 （I - L）患有肥胖症 (PWO) 或不患有肥胖症 (对照个体) 的 COVID-19 康复者中 T 细胞亚群 (CD8 + 或 CD4 + ) 的频率，这些亚群在用 SARS-CoV-2 膜肽池进行隔夜刺激后产生细胞因子 (TNF α 、IFN γ)。条形表示中位数。使用 Wilcoxon 检验对配对数据 (面板 AD) 进行跨队列统计比较，使用 Mann – Whitney U 检验对非配对数据 (面板 EL) 进行统计比较。 (面板 EL) 的数据是从阴性对照中减去背景的。PWO，肥胖人群 [彩色图可在 wileyonlinelibrary.com 上查看]
建议的引用：E.Düzyol，E。，Yıldırım，G。＆Özyılmaz，G。（2022）。调查增强现实申请对学龄前儿童的影响
在这项研究中，它的目的是研究增强现实应用对学龄前儿童的空间知识的影响。在研究中使用了一种结合定量和定性方法的混合方法。研究组由24名60-72个月的儿童组成。在研究中，根据学前教育和科学教育领域的专家意见而创建的10个问题形式用于衡量学龄前儿童的空间知识。儿童对增强现实实践的看法是通过半结构化访谈确定的。以空间为主题的增强现实卡，用于实验组的教学空间；在对照组中，使用了2D视觉效果。使用Mann Whitney U检验和Wilcoxon检验分析获得的数据。在研究中发现，在应用程序彼此接近之前，实验组和对照组的知识水平；通过增强现实应用进行的培训，可以看到知识水平提高了实验组。由于与孩子们进行了访谈，确定增强的现实实践引起了孩子的更多关注，创造了更大的现实感，并与二维视觉效果相比，使他们感到兴奋。已经观察到，使用技术工具支持学龄前儿童对空间的知识的研究并不多。在这种情况下，人们认为研究将阐明文献。研究文章
引用：Rania H. Farraj，Salma Haddad，Coral Cohen和Raed Mualem（2025），睡眠时间对认知表现和情绪状态C
背景/AIM青少年的睡眠对于认知表现，情感调节和学术上的成功至关重要。本研究旨在评估睡眠时间对高中生认知能力和情绪的影响。材料和方法五十届至11至12年级的学生（17-18岁）来自以色列北部。每个学生在两个条件下完成认知和情绪评估：睡眠8-10小时（最佳睡眠）和4-6小时的睡眠（睡眠剥夺）。测试包括内存评估（计算机卡游戏），浓度评估（功能扣除游戏）和来自国家考试的化学测试。使用情绪状态（POMS）问卷调查评估情绪状态。配对的t检验和Wilcoxon签名级测试用于分析差异。结果睡眠剥夺将记忆力显着降低20.39％，浓度降低了22.72％。化学评分下降了35％，而情绪障碍包括张力增加（64.92％），抑郁症（63.39％），愤怒（46.8％）和疲劳（64.9％）。活力降低了57.8％。结论睡眠剥夺会对认知表现和情感健康产生不利影响，这强调了促进青少年健康睡眠实践以提高学习成绩和心理健康的重要性。
人工智能作为自动论文评分工具
摘要：本研究探讨了使用人工智能（AI）语言模型Chatgpt作为自动论文评分（AES）工具（AES）工具的有效性，以将英语作为外语（EFL）学习者的论文进行评分。该语料库由50篇论文组成，代表各种类型，包括分析，比较和对比，描述性，叙述和意见论文，由10个EFL学习者在B2级别撰写。人类评估者和Chatgpt（4o Mini版本）使用国际英语语言测试系统（IELTS）任务2写作乐队描述符得分。采用定量方法，使用Wilcoxon签名的秩检验和Spearman相关测试来比较产生的分数，这两种得分方法之间存在显着差异，而人类评估者分配了比Chatgpt更高的分数。同样，各种类型的论文中的每一种都显而易见，与不同程度的显着差异也很明显，这表明论文的流派不是影响人类评估者与Chatgpt之间一致性的参数。毕竟，讨论的是，尽管Chatgpt表现出作为AES工具的承诺，但观察到的差异表明它尚未达到足够的实际使用水平。这项研究强调了在AI语言模型中需要改进的必要性，以满足EFL环境中论文评估的细微差别。
课程和教学大纲
单位-II：假设估计理论的估计理论和测试：估计的无偏，一致性，效率和充分性，最大似然估计及其特性（没有证据）。假设的检验：简单而复合的假设，基因和类型的错误–II，关键区域，重要性水平，大小和测试的功率。单位-III：简单假设的显着性检验，卡方检验，拟合良好，应急表中属性的独立性以及许多比例的平等，t检验，f检验和基于它们的问题，在数据挖掘中的重要性测试的应用。单位IV：相关和回归相关性：简介，类型，Karl Pearson的相关系数，Spearman的等级相关系数，多重和部分相关。回归：线性回归，回归系数，多线性回归的概念和多线性回归的矩阵符号。单位V：非参数测试需要非参数测试，一个样本和两个样本的标志测试，Wilcoxon签名的等级测试，中间测试，Wald Wolfowitz Run测试，Mann Whitney U测试，随机性运行测试，基于Spearman的独立性测试，基于Spearman的独立等级相关系数（小样品和大型样品），kruskal iner for等等。在数据挖掘中非参数测试的应用。教科书
一种新型的生物启发的元疗法用于全局优化
本文介绍了山羊优化算法（GOA），这是一种新型的生物启发的元疗法，灵感来自山羊的适应性行为。从他们的觅食策略，运动模式和逃避寄生虫的能力中汲取灵感，果阿旨在有效地平衡探索和剥削。该算法结合了三种关键机制：用于全球搜索的自适应觅食策略，一种用于精炼解决方案的运动方法以及一种跳跃机制来逃避本地Optima。此外，解决方案过滤过程通过维持人群中的多样性来增强鲁棒性。果阿的性能是针对良好的元启发术评估的，包括颗粒群优化（PSO），灰狼优化器（GWO），遗传算法（GA），鲸鱼优化算法（WOA）和人造Bee Colony（ABC）。比较结果证明了果阿的出色收敛速度，增强的全球搜索效率以及提高的解决方案精度。这些改进的统计意义将通过Wilcoxon Rank-sum检验验证。尽管有效，果阿仍面临一些挑战，包括计算复杂性和对参数设置的敏感性，这为进一步的优化留出了空间。未来的研究将探讨自适应参数调整，与其他元启发式学的杂交以及供应链管理，生物信息学和能量优化的现实应用。调查结果表明，果阿在生物启发的优化技术方面提供了有希望的进步。
在职业治疗中教授批判性思考
摘要摘要本研究旨在回答以下问题：“学生对职业治疗实践的假设的认识是否在参加指导性批判性反思后增加？”该项目基于关键职业疗法（首先由怀特福德和汤森（Townsend）命名），以促进学生积极反思主导的纪律意识形态，并自我反省一个人的社会地位如何影响对职业参与的理解。提出了未经认可的职业的概念，作为促进学生认可变化的一种手段。在两所私立大学的硕士级学生（n = 53）进行了一组，定量的预/后设计，并进行了六个开放式回答。一个涉及与预分配的阅读和相关反射指南的互动90分钟讲座的学习模块用于促进纪律意识形态的质疑。即使少量引入，在教育中使用关键职业疗法也会显示出好处。Wilcoxon签名的等级测试表明，学习模型增加了学生对基本个人假设的认可。主题定性分析证实了这些结果，并描述了调查前/后调查之间的变化模式。这项研究证明了职业治疗课程的潜力，这些方法嵌入了在新兴实践者中灌输重要的自我反射的嵌入方法，并有望改变临床评估和实践。
基于正念的压力减轻咨询对妊娠糖尿病女性血糖和感知压力的影响
抽象的客观妊娠糖尿病会导致母体和新生儿发病率。心理因素，尤其是压力，在糖尿病管理中起着有意义的作用。因此，本研究旨在研究基于正念的压力减轻咨询对妊娠糖尿病女性血糖和感知压力的影响。方法目前对78名妊娠糖尿病女性进行了准实验性介入研究。在干预小组中，研究人员每周两次进行了90分钟的8次，研究人员进行了一项基于正念的压力咨询计划。在两组中都填写了科恩压力问卷。另外，两组的禁食血糖和2小时的血糖水平均已测量。使用独立t检验，配对的t检验，曼恩·惠特尼和威尔科克森测试进行统计分析，使用Windows版本20版本的IBM SPSS统计数据（IBM Corp.，Armonk，Armonk，NY，USA）进行。结果，干预组中孕妇的平均年龄为28.84 6.20岁，对照组为29.03 5.42岁。在禁食血糖评分（p¼0.02; -6.01;和-11.46）与2小时禁食的血糖评分（p <0.001; 12.35; -12.35;和-5.3）与感知到的压力得分（p <0.001; 35.57; 35.57; 35.57;和-49.19）之间存在显着差异。
基于面部肌电图的性能增强......
摘要 最近的研究表明，基于面部肌电图 (fEMG) 的面部表情识别 (FER) 系统是虚拟现实 (VR) 环境中基于传统摄像头的 FER 系统的有前途的替代品，因为它们经济实惠、不依赖于环境光，并且可以很容易地合并到现有的 VR 耳机中。在我们之前的研究中，我们将基于黎曼流形的特征提取方法应用于记录在眼睛周围的 fEMG 信号，并证明仅需一次训练就可以以 85.01% 的高精度对 11 种面部表情进行分类。然而，传统的基于 fEMG 的 FER 系统的性能还不足以应用于实际场景。在本研究中，我们开发了一种新方法，通过对其他用户的标记数据集进行线性判别分析 (LDA) 自适应来提高 FER 性能。我们的结果表明，使用 LDA 自适应方法可以将平均分类准确率提高到 89.40%（p < .001，Wilcoxon 符号秩检验）。此外，我们展示了独立于用户的 FER 系统的潜力，该系统无需任何训练课程即可对 11 种面部表情进行分类，分类准确率达到 82.02%。据我们所知，这是首次以跨学科方式采用 LDA 自适应方法的研究。预计所提出的 LDA 自适应方法将作为一种重要方法，提高基于 fEMG 的 FER 系统在社交 VR 应用中的可用性。