征文:教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点,旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论,讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究,也包括社会科学、经济学和人文学科,包括所有学科,如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产,以及决策和行为科学观点的信息预测。一方面,我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面,我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法(包括使用人工智能的方法)、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下,不同观点之间的沟通和相互理解至关重要,这也是本次研讨会的目标之一。更广泛地说,我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题:在最广泛的层面上,立法和规范问题;在公司层面,关于投资决策以及如何保持生产力和劳动力的问题;在个人层面,关于资格以及哪些技能需要应用和可能重新学习的问题。因此,技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序(以及如何开发)来解决第 1 部分提出的问题的(计算机科学主导)讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年,但近年来,由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长,其增长显着增加。我们正处于这一领域发展的关键时刻,人工智能专家和教育专家必须携手合作,以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中,我们特别关注人工智能的技术方面,重点关注用于内容创建(生成式人工智能)、学生分析(机器学习)、学习分析或教师可解释的人工智能方法的具体技术
在无脊椎动物中,免疫启动是个体根据先前的免疫学经验增强其免疫反应的能力。由于宿主自然栖息地中寄生虫反复感染的风险,这种适应性的免疫力可能会演变。免疫启动的表达在宿主和病原体种类以及感染途径(口腔或伤口)之间各不相同,反映了最终调节的进化调整。粉虫甲虫(Tenebrio molitor)的证据表明,革兰氏阳性细菌病原体在全身感染后的免疫启动中起着重要作用。尽管天然细菌病原体在T. molitor中可能会口服感染,但仍在争论是否摄入受污染的食物会导致全身感染,以及目前未知口服免疫启动。我们首先试图通过将其暴露于被活或死革兰氏阳性和革兰氏阴性细菌病原体污染的食物中,以诱导t. molitor幼虫和成年人的免疫启动。我们发现,口腔摄入活细菌没有杀死它们,但是化粪池的伤口导致死亡率迅速。有趣的是,死亡或活细菌的消耗不能防止再感染,与受伤引起的启动形成对比。我们进一步研究了用各种活细菌病原体感染食物对幼虫中食物消耗,质量增益和粪便产量等变量的影响。这表明革兰氏阳性细菌的口腔污染诱导了行为反应和蠕动防御机制,即使此处未观察到免疫启动。我们发现,与用革兰氏阴性细菌或对照食物暴露于受污染的食物相比,在食物中暴露于革兰氏阳性细菌的幼虫减少了质量和/或产生更多的粪便。考虑到口腔感染既没有引起昆虫死亡,也没有引起启动引起启动,因此我们认为T. molitor中的免疫启动可能主要是作为对与伤口相关的感染风险而不是口腔摄入而不是口腔摄入的反应。
目标:交付是评估行为干预措施忠诚度的最常见方法之一。但是,缺乏有关干预协议如何反映其提出的理论原理(设计保真)的研究报告。本研究提出了一种用于评估设计保真度的系统方法,并将其应用于针对体育锻炼和抑郁症的基于情感的干预措施。方法:情绪干预包括13个基于网络的模块,该模块是根据基础干预图设计的。具有行为变化专业知识的独立评估者编码了情感内容中的存在或不存在行为变化技术(BCT)。编码结果与干预设计师的先验可靠性规范进行了比较。结果:在讨论之后,独立评估者和干预设计师在与行为激活有关的BCT(AC1 0.91)的存在上具有很高的一致性,并具有“行为的证明”和“监测情绪后果”,具有最低的一致性(AC1 0.4)。与具有最低一致性(AC1 0.4)的“行为演示”和“对情绪后果的监测”(AC1 0.4)的“行为演示”和“监测情绪后果”的存在也有很高的一致性(AC1 0.88)。然后对情绪描述进行了修改,以使互判协议保持一致。结论:本研究提出了一种评估设计保真度的新方法。鼓励行为(和其他多组分)干预措施的开发人员开发和完善这种方法,并评估未来干预措施中的设计保真度,以确保BCT按预期运行。
。cc-by-nc-nd 4.0国际许可证可永久提供。是作者/资助者,他已授予Medrxiv的许可证,以显示预印本(未通过同行评审证明)预印版本的版权所有者此版本发布于2025年3月11日。 https://doi.org/10.1101/2025.03.10.25323712 doi:medrxiv preprint
详细的跟踪数据对于理解动物行为背后的复杂机制至关重要。在这里,我们提供了一个全面的数据集,其中包含来自105个遗传学菌株的30,000多个果蝇Melanogaster个体的行为电影和轨迹,其中包括果蝇基因参考面板的104种野生型菌株以及一个视力障碍的突变体。在15分钟的会议期间收集了由遗传背景,性别和社会环境分类的这些数据,包括五分钟的重复迫在眉睫的刺激,以引起恐惧反应。此外,我们的实验设计将小组实验与随机组合的菌株对结合,以研究小组成员对行为动力学的协同作用。除了对运动,恐惧反应和社交相互作用的遗传因素进行详细分析之外,该数据集提供了一个独特的机会来检查遗传相同果蝇内的个体行为变异性。通过在不同的遗传和环境环境中捕获各种各样的行为,这些数据是促进我们对遗传,个性和群体相互作用如何影响动物行为的理解的宝贵资源。
能够根据上下文信息灵活切换对外部刺激的反应的能力对于与复杂世界的成功互动至关重要。在许多领域1-3中必须进行上下文依赖性计算,但它们的神经实现仍然很少理解。在这里,我们在大鼠中开发了一项新颖的行为任务,以研究上下文依赖性的选择和决策证据的积累4-6。在猴子和大鼠数据支持的假设下,我们首先从数学上显示网络可以通过三个定义组件的组合来解决此问题。可以通过实验数据直接识别和测试这些组件。我们进一步表明,现有的电生理和建模数据与这些组件的各种可能组合兼容,这表明不同的个体可以使用不同的组件组合。为了研究各个受试者的变异性,我们开发了自动化的高通量方法来培训大鼠的任务,并在其上训练了许多受试者。与理论预测,神经和行为分析一致,尽管任务表现均匀,但大鼠均显示了跨大鼠的实质异质性。我们的理论进一步预测了行为和神经信号之间的特定联系,该签名在数据中得到了强有力的支持。总而言之,我们的结果提供了一个新的实验支持的理论框架,以分析执行灵活决策任务的生物学和人工系统中的个体变异性,它们为较高认知的个体变异性研究打开了大门,并提供了对情境依赖性计算的神经机制的见解。
神经醇,UMR 1107 INSERM,克莱蒙·奥弗尼大学(Clermont Auvergne),法国克莱蒙·费德兰(Clermont-Ferrand); B M2ish,UMR 1071 Inserm,UMR1382Inraé,Clermont Auvergne大学,法国Clermont-Ferrand; C荷兰瓦格宁根瓦格宁根大学微生物学实验室; d人类微生物组研究计划,赫尔辛基大学医学院,芬兰赫尔辛基大学; e比利时蒙特 - 圣吉伯特的Akkermansia Company™; F代谢和营养研究小组,Louvain药物研究所(LDRI),UCLOUVAIN,UCTORICETURIQUE DE LOUVAIN大学,布鲁塞尔,比利时; G Welbio-Walloon生命科学与生物技术卓越,WELBIO部门,WEL研究所,比利时WELBIO研究所; h实验与临床研究研究所(IREC),UCLOUVAIN,CATHOLICEDE DE LOVAVAIN,BRUSSELS,BELGIUM
越来越多的研究和调查证据表明,经济决策者在形成预期时往往表现出强烈的偏见,偏离了理性预期 (RE) 的标准假设。特别是,最近有关开放经济体的实证证据表明,主观预期,而非其他力量,可能是许多基于理性预期的违规行为的主要驱动因素。1 受“前瞻性指引之谜” (Del Negro、Giannoni 和 Patterson,2015 年) 的启发,一些专注于封闭经济体理论模型的研究发现,放宽理性预期假设会产生重大的政策后果。2 然而,人们对开放经济宏观模型的关注相对较少。在本文中,我们旨在通过在开放经济背景下引入有限理性来弥合理论与实证证据之间的差距。我们的目标有两个。首先,我们开发一个小型开放经济新凯恩斯主义 (SOE-NK) 模型,整合有限理性的概念。我们考虑了 Woodford ( 2019 ) 开发的一种特殊的有限理性建模方法——有限远见。该模型足够广泛,可应用于典型的开放经济研究,同时也涵盖了决策者的远见无限延伸到未来时的 RE 分析。与标准 RE 情况相比,我们进一步研究了有限远见如何影响实际汇率的均衡动态和预测误差。其次,我们证明我们的模型为 RE 下几个与无抛补利率平价 (UIP) 相关的著名难题提供了内在的微观基础,特别是那些涉及不同时间和预测范围内的差异的难题。为了便于比较,我们使用 Gal´ı 和 Monacelli ( 2005 ) 提出的标准 SOE-NK 模型作为参考模型,并引入两个与该标准模型不同的模型。首先,我们假设决策者形成受有限远见影响的预期;也就是说,他们只考虑未来的有限规划期(以下称为 FH)。为了评估在规划期结束时可能出现的潜在情况,他们采用了从过去经验中学习到的粗略连续值函数。这意味着决策者将所有相关信息和政策变更纳入 FH 中。然而,当近似规划期之外的更远的未来时,与 RE 情景相比,他们的价值函数变得不那么准确。其次,我们假设资产市场不完整。这一假设源于这样一种观点,即为决策者提供了
Policy Landscape .......................................................................................................15 Mississippi Healthcare Landscape ............................................................................16 Mississippi Disability Landscape ..............................................................................17 ABA Lens .......................................................................................................................................................................................................................................................................................................................................................................................................