2023 年经济将继续增长,但速度将有所放缓。在创纪录的旅游旺季的推动下,2022 年国内生产总值 (GDP) 增长了 4.8%,但在 2023 年第一季度,增长率放缓至同比 2.8%,然后在第二季度加速至 3.2%。经济增长放缓主要是由于通货膨胀加剧导致国内需求减弱。由于阿尔巴尼亚主要贸易伙伴的增长缓慢和货币大幅升值,今年上半年商品出口同比下降。由于游客人数创下历史新高,以及汇款和外国直接投资的强劲流入,列克走强。由于国内外需求下降,农业和工业增长率低迷,而房地产、建筑、信息和通信技术 (ICT) 和零售贸易等服务业是经济增长最快的部门。 2022 年,服务出口表现强劲,阿尔巴尼亚蓬勃发展的旅游业在游客人数和过夜住宿方面创下了有史以来的最佳表现。今年,该行业将再次表现强劲,今年前八个月游客人数同比增长 27%。
不断评估科学家的招聘,晋升,资金和认可。一项奖励改革的运动是旨在使评估与良好的科学作用(例如开放科学,可重复性和各种社会影响类型)保持一致。衡量这种渐进式贡献和影响需要定性评估,以捕获广泛的成就,而不是传统的书目定量指标捕获的。同时,改革研究评估的一些有影响力的国际提议赋予了定量指标的缺陷。例如,旧金山关于研究评估的宣言(DORA)有理由敦促放弃期刊影响因素(JIFS),而周到的Leiden宣言[1]提出了持怀疑态度的建议,以反对对书目获得过分影响。定量指标无疑有局限性;但是,他们的非批判性解雇可能会加剧不公正和不平等,尤其是在非民主环境中。我们认为,在各种情况和环境中,集中的,定量的资源可以在很少或没有边际成本的情况下作为公共利益。他们明智的使用甚至可以减少科学出版中的操纵性实践,并导致更公平地分配信贷。在有足够资源的机构中,最重要的招聘或任期评估通常是由许多高度尊敬的评估者(包括机构外部的评估者)进行的。在理想的条件下,已建立,知识渊博,负责任和负责任的同龄人将仔细审查候选人的研究生产和更广泛的影响。通过这种过程选择的教师和研究人员在最广泛的意义上可能表现出色。即使这样,也不能总是确保所选择的人在数十个甚至数百名竞争申请人中是最好的。没有评估可以完全排名非常强大的替代候选人。当地的需求和偏好以及主观性的强大要素可以决定谁在几种杰出选择中招募。同样适用于非常有选择性,竞争性的奖项和认可。
学生指南 2023 年 9 月 29 日 目的 本文件为学生提供有关在评估/作业中使用生成人工智能的常见问题 (FAQ)。 生成人工智能工具(例如 ChatGPT)有什么作用? 这些模型也称为大型语言模型。它们基于根据问题或“提示”自动生成内容(例如文本、图像)的算法。这些内容听起来或看起来像是人类制作的。 提交全部或部分由人工智能工具创建的评估是否构成抄袭? 是的,如果您将其作为自己的作品提交,则属于抄袭。评估旨在帮助您学习和评估您所学到的知识,因此您的评估必须是您自己的作品。您必须通过正确引用来承认您所借鉴的任何信息或想法的来源。 DkIT 学术诚信政策和程序 (https://www.dkit.ie/about-dkit/policies-and-guidelines/academic-policies.html) 中对此有非常明确的规定:“在评估中使用生成人工智能工具(例如 ChatGPT)是一种抄袭行为,除非明确允许并得到适当承认” (第 4 页)。我可以使用生成人工智能工具(如 ChatGPT)来帮助我准备作业吗?您可以合乎道德地使用这些工具来帮助您学习。例如,您可以使用它们来帮助您制定学习计划、总结信息、帮助缩小主题范围或生成抽认卡或练习题。您不应不道德地使用它们来完成部分或全部作业。在某些情况下,您的讲师可能会允许甚至要求您将生成性 AI 作为学习活动或评估的一部分。例如,您可能会被要求批评 AI 生成的问题的答案。这将在您的评估简介中明确说明,并且在使用这些工具之前您应该始终与您的讲师核实。
人工智能 (AI) 和机器学习的快速发展为临床医生提供了新的工具。AI 工具有可能在短时间内处理大量数据,提供新的见解并改变我们处理复杂医疗问题的方式。AI 有可能通过为目前缺乏通用客观标准的评估过程提供更多见解来帮助临床医生进行医疗决策能力评估。然而,尽管 AI 在此环境中前景光明,但仍存在重大问题,使其不太可能在短期内取代人类评估员。AI 仍然很容易受到有偏见的输入和因此而产生的有偏见的决策的影响,引发了对自主性的质疑,并为谁对最终的能力决策负责带来了不确定性。在本文中,我们探讨了使用 AI 进行能力评估的这些道德考虑。虽然我们承认 AI 可能还没有准备好取代医生来确定患者的医疗决策能力,但这些新技术在短期内具有巨大的潜力,可以作为筛查患者、发现医生偏见和指导能力确定后的后续步骤的工具。
尽管电网规模固定式锂离子电池储能系统的部署正在加速,但这种新型基础设施对环境的影响尚未得到充分研究。迄今为止,已有少量环境生命周期评估 (LCA) 和相关研究审查了相关的环境影响,但它们依赖于各种方法和系统边界,而不是采用一致的方法。关于 LIB 运输应用的大量 LCA 文献包含与固定式 ESS 相关的选定生命周期清单数据,但并未包含固定式系统独有的特征,例如系统材料平衡、运行概况,甚至不同的报废 (EOL) 阶段需求。这篇重要的文献综述调查了现有的电网规模固定式 LIB ESS 研究,并强调了有关综合环境影响的研究差距。为了对 LIB 系统中并网储能的环境影响进行可靠评估,需要对并网 LIB 系统进行进一步专门分析 - 除了生产阶段之外,还涵盖使用阶段(电池操作)和 EOL。例如,到目前为止,系统地评估储能系统运行的后续影响的研究一直集中在能源套利和频率调节应用上。未来的工作还应考虑 ESS 提供其他电网服务的影响。虽然固定式 LIB ESS 的 EOL 成本和影响是电网规模 ESS 的潜在资产所有者和关键用户(如电力公司和项目开发商)的重要考虑因素,但文献中尚未涉及这些问题。© 2019 作者。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。
近一百年前,西德尼·普雷西在捍卫他新发明的“教学机器”时,曾预言教育教学法与教育技术相结合将能够实现教育现代化。自普雷西时代以来,教育确实经历了变革和转型,尽管教育学的基本要素保持不变。同样,许多人认为,今天,人工智能呈现出一种变革力量,它将带来彻底的社会变革,为认知革命奠定基础,这将对未来的教学、学习和评估产生深远影响。本报告总结了华威大学实践社区的调查结果,该社区有 50 多名成员,他们回顾了人工智能带来的机遇和风险,并分享了过去六个月的最佳实践。该小组由学生和教职员工以及来自其他机构和行业的成员组成。虽然这项工作是在高等教育的背景下进行的,但很明显,许多教学见解与所有年龄组的教育都相关。华威大学的学生代表是该小组工作不可或缺的一部分。虽然杨超然(第 1 章)、Mara Bortnowschi(第 2 章)和 Molly Fowler(第 3 章)的作品在完整报告的简短版本中尤为突出,但我还是要感谢我们小组的所有学生,感谢他们富有洞察力的贡献。我还要感谢 WIHEA 对这项重要工作的支持,以及华威大学和更广泛的国际社会的同事在过去六个月中投入的大量时间来交换意见、为其他同事提供指导并制定报告结果。感谢读者花时间阅读本报告中提供的见解。
近年来,人工智能 (AI) 在医学等许多领域都取得了迅速发展。在医学界引起特别关注的一款 AI 工具是 Chat-GPT,这是 OpenAI 开发的大型语言模型,于 2022 年 11 月首次推出,其更新版本 GPT-4 于 3 月推出,有望使其功能更加强大和准确。GPT-4 是一款功能强大的工具,可以对各种问题、提示和图像生成类似人类的响应,并创建学术文章,例如您正在阅读的文章。使用 Chat-GPT 开发本文及其标题的早期迭代(其中一些在附录 1 中分享),突出了其改变我们评估方式的潜力,并促使我们仔细重新考虑 AI 在医学教育中的潜在作用。医学院评估对于确保新毕业的医生有能力提供安全有效的护理,并在适当的水平上继续深造医学研究生至关重要。传统上,医学院的考试被打包成书面、实践和工作场所评估的计划和系统,由人类考官监督和评分。然而,像 Chat-GPT 这样的人工智能工具的使用可以为医学院的评估提供新的机会。COVID-19 造成的干扰导致医学教育的传递方式发生了转变,教学方式进行了审查,许多评估被改编为在线版本。这导致评估创新增多,并引发了关于作弊的潜在影响以及围绕评估中越来越多地使用技术而产生的伦理问题的讨论。1 作弊的想法迫使人们更多地审视医学等专业教育计划的评估目的以及学生如何看待他们的高风险考试。
摘要 本文的主要目的是反思为解决 COVID-19 大流行引起的问题而开发的人工智能 (AI) 系统所造成的偏见的影响,特别关注为分类和风险预测而开发的系统。第二个目的是回顾为防止人工智能系统出现偏见而开发的评估工具。此外,我们还对与此特定背景下的偏见相关的一些术语进行了概念性澄清。我们主要关注非种族偏见,现有文献中在处理人工智能系统中的偏见时可能较少考虑这些偏见。在论文中,我们发现用于 COVID-19 的人工智能系统中存在偏见可能导致算法正义,而为防止偏见出现而制定的法律框架和战略未能充分考虑健康的社会决定因素。最后,我们就如何纳入更多样化的专业人员资料提出了一些建议,以便开发能够增加认知多样性的人工智能系统,以应对 COVID-19 大流行期间及以后的人工智能偏见。
计划下一代通信网络会计官员评估会计官员通常会仔细审查重要政策提案或启动或变更重大项目的计划,然后评估它们是否符合《管理公共资金》中规定的标准。自 2017 年 4 月起,当会计官员同意对政府重大项目组合内的项目进行评估时,政府承诺向议会提供这些评估的要点摘要。此项会计官员评估与请求会计官员批准下一代通信网络 (NGCN) 概要业务案例同时进行。背景国防部的固定网络目前通过三种网络服务提供:业务、关键运营和关键任务,为全球约 2000 个站点提供所有数据安全等级的服务。服务通过两份合同提供:全球连接和国防固定电信服务。这些合同需要退役并由 NGCN 服务取代,并将通过一系列采购活动交付,时间与现有商业安排的结束相吻合:三个采购包是: