XiaoMi-AI文件搜索系统
World File Search Systemcentered
研究文章垃圾邮件发送者和诈骗者如何利用 Facebook 上的 AI 生成图像来增加受众关于人工智能 (AI) 图像生成器（如 DALL-E 和 Midjourney）的风险的大部分研究和讨论都集中在它们是否会被用来在政治话语中注入虚假信息。我们表明，垃圾邮件发送者和诈骗者（似乎是受到利润或影响力而不是意识形态的驱使）已经在使用 AI 生成的图像在 Facebook 上获得显著的关注。有时，Facebook Feed 会向既没有关注发布图片的页面也没有意识到图片是 AI 生成的用户推荐未标记的 AI 生成的图片，这凸显了随着 AI 模型的激增，需要提高透明度和出处标准。作者：Renée DiResta (1)、Josh A. Goldstein (2) 所属机构：(1) 美国斯坦福大学斯坦福互联网观察站，(2) 美国乔治城大学安全与新兴技术中心 引用方式：DiResta, R., & Goldstein, J. A. (2024)。垃圾邮件发送者和诈骗者如何利用 Facebook 上的 AI 生成图像来增加受众。哈佛肯尼迪学院 (HKS) 错误信息评论，5 (4)。收稿日期：2024 年 4 月 21 日。接受日期：2024 年 7 月 24 日。发表日期：2024 年 8 月 15 日。研究问题
研究文章 垃圾邮件发送者和诈骗者如何利用 Facebook 上的 AI 生成图像来增加受众 关于人工智能 (AI) 图像生成器（例如 DALL-E 和 Midjourney）的风险的大部分研究和讨论都集中在它们是否可用于将虚假信息注入政治话语。我们表明，垃圾邮件发送者和诈骗者（似乎是出于利润或影响力而不是意识形态的动机）已经在使用 AI 生成的图像在 Facebook 上获得显著的关注。有时，Facebook Feed 会向既不关注发布图像的页面也不意识到图像是 AI 生成的用户推荐未标记的 AI 生成的图像，这凸显了随着 AI 模型的激增，需要提高透明度和出处标准。作者：Renée DiResta (1)、Josh A. Goldstein (2) 所属机构：(1) 美国斯坦福大学斯坦福互联网观测站，(2) 美国乔治城大学安全与新兴技术中心 引用方式：DiResta, R., & Goldstein, J.A.(2024)。垃圾邮件发送者和诈骗者如何利用 Facebook 上的 AI 生成图像来增加受众。哈佛肯尼迪学院 (HKS) 错误信息评论，5 (4)。收到日期：2024 年 4 月 21 日。接受日期：2024 年 7 月 24 日。发布日期：2024 年 8 月 15 日。研究问题
以用户为中心的错误信息干预措施的景观 - 系统文献评论
错误信息是当今社会面临的关键挑战之一。以用户为中心的错误信息干预措施是对用户直接发挥直接的数字对策，代表了处理大量信息的有希望的手段。尽管存在有关该主题的大量研究，但研究人员面临着跨越多个学科的多样化研究景观。本评论将以用户为中心的错误信息干预措施的格局系统化，以促进知识转移，识别趋势并实现知情的决策。筛选了6,000多个学术出版物，并进行了系统的文献综述（n = 172）。在干预设计（例如标签，显示错误信息，校正，删除或降低内容的可见性），用户互动（主动或被动）以及时间（例如，预时（例如，预先或后暴露于错误信息或根据用户的要求）），得出了一种分类学。我们提供了跨多个学科的方法的结构化概述，并为未来的研究提供了六个总体挑战，该方法涉及（1）新颖平台的可转让性，以及（2）基于视频和图像的错误信息，自动化机制的明智组合，与（3）人类专家以及（4）使用误解的媒体和（5）的媒体（5）（5）的媒体，（5），（5）充分解决特别脆弱的用户，例如老年人或青少年。
以临床医生为中心的药物再利用的基础模型
药物再利用（确定已获批准药物的新治疗用途）通常是偶然的和投机性的，扩大了药物在治疗新疾病方面的用途。药物再利用 AI 模型的临床实用性仍然有限，因为这些模型仅关注某些药物已经存在的疾病。在这里，我们介绍了 TX GNN，这是一种用于零样本药物再利用的图形基础模型，甚至可以为治疗选择有限或没有现有药物的疾病识别治疗候选药物。TX GNN 在医学知识图谱上进行训练，利用图神经网络和度量学习模块将药物按 17,080 种疾病的潜在适应症和禁忌症进行排名。与八种方法进行基准测试时，在严格的零样本评估下，TX GNN 将适应症的预测准确率提高了 49.2%，禁忌症的预测准确率提高了 35.1%。为了便于模型解释，TX GNN 的解释器模块提供了对形成 TX GNN 预测原理的多跳医学知识路径的透明见解。 TX GNN 解释器的人工评估表明，TX GNN 的预测和解释在准确性之外的多个性能方面都表现令人鼓舞。TxGNN 的许多新预测与大型医疗保健系统中临床医生开出的标外处方相符。TX GNN 的药物再利用预测准确无误，与标外用药一致，并且可以通过多跳可解释原理由人类专家进行调查。
优先考虑以家庭为中心的发展性护理：危重先天性心脏病患儿父母的见解：一项定性研究
摘要 由于早期心脏手术的幸存者面临很高的神经发育障碍风险，建议对患有危重先天性心脏病 (CCHD) 的儿童在整个儿童时期进行系统的健康观察，以便及早诊断并提供干预措施来优化神经发育。我们进行了一项采用主题分析的定性研究，以探讨父母对其孩子 (0-10 岁) 的发育和入院期间及之后所接受的发育护理的担忧、经历和需求。数据是通过对 20 名 CCHD 儿童父母进行半结构化在线访谈收集的。确定了四个主要主题：(1)“诊断和疾病对家庭系统的影响”，(2)“父母对诊断及之后的担忧”，(3)“对信息的需求”和 (4)“对个性化和以家庭为中心的护理的需求”。主要主题可以分为 13 个子主题，因为影响、担忧和需求受到从诊断到之后的各种有影响的时刻的影响。结论：本研究证实了由经验丰富的医疗保健专业人员尽早发现神经发育问题的重要性，尤其是在父母对孩子神经发育的期望和担忧较低的早年。应提供量身定制的以家庭为中心的后续计划，该计划既关注 CCHD 患者的神经发育，也关注整个家庭系统的心理健康。此外，建议使用在线门户网站，其中包含各种可靠、可控、易于理解的信息，父母可以从中获得所需的信息，以更好地了解特定心脏病的后果，并为孩子提供最佳指导。
增强视觉障碍患者的医疗体验：以用户为中心的设计的系统文献综述
摘要：为有视觉障碍的人提供公平服务，这是归因于合并症以及身体和态度障碍的持续挑战。卫生系统中准则和实践的不相容性导致用户与服务之间的复杂互动。通过这项系统的文献综述，我们旨在探索以用户为中心的设计的潜力，以增强卫生系统中视力障碍的用户体验。我们调查了2013年至2023年之间在PubMed，Science Direct，Scopus和Web of Science发表的同行评审期刊论文。我们确定了14项研究，主要集中于旨在了解视觉障碍的人在改善可访问性和可用性方面面临的挑战。用户参与是大多数项目的关键方面。研究清楚地证明了以用户为中心的设计为这些用户提供更好的体验的潜力。
建筑学习者中心的环境 - 寄生阳性...
在生命的头几年中，大脑迅速发展，形成了对成功成年至关重要的神经联系。大脑的执行功能，包括抑制性控制，对于调节行为和情绪很重要。具有强大情感基础的学龄前儿童可以更好地管理社交互动，这对于教师支持他们的情绪发展至关重要。在发展上适当的实践，可以通过欢乐，基于游戏的方法来促进每个孩子的最佳发展和学习，这对于幼儿教育工作者的实施至关重要。这包括基于每个孩子的独特发育阶段和技能获取的适当行为期望。
在商业中优先考虑以人为本的设计思维的竞争优势
Philip Roundy Adam Wolcott 创业学教授 创业学教授 论文指导 系考官 Owen Foster Moise Baptiste 系考官 系考官
以原子为中心的机器学习力场包
近年来，机器学习算法已被广泛用于构建力场，并准确地从头开始方法和经典力领域的效率。在这里，我们开发了一个基于Python的基于Python的机器学习部队（PYAMFF）软件包，以提供一个简单且有效的平台，用于通过用Behler-Parrinello-symmetermetryss构造Nergurnger nergerngerngernger-nergernger-nergernger-nergernger-nergerinsssssshiments实现以原子为中心的神经网络通过实现以原子为中心的神经网络算法。PYAMFF中包含以下三个功能：（1）通过脚本和未来算法的简化扩展，用于快速细纹计算和Python模块的集成FORTRAN模块； （2）纯Fortran的后端与软件接口，包括长时间的动态模拟软件包EON，可以启用分子动态模拟和具有机器学习力字段的自适应动力学模拟和自适应动力学蒙特卡洛模拟； （3）与用于主动学习和基于ML的算法开发的原子模拟环境包的集成。在这里，我们在CPU和内存使用方面演示了PYAMFF的有效并行化，并表明基于Fortran的Pyamff计算器与对称函数的数量和系统大小表现出线性缩放关系。
可制造：以内存为中心和基于负担的任务执行框架可转让移动操纵技能
摘要 - 在以人为本的环境中执行多功能移动操作任务，可以有效地将学习的任务和经验从一个机器人转移到另一个机器人或跨不同环境的能力是关键。在本文中，我们提出了一个多功能的单项和多手册移动操作框架，可促进能力和知识在不同的任务，环境和机器人之间的传递。我们的框架将基于负担的任务描述为以记忆为中心的ARMAR人形机器人机器人家族的认知结构，该架构支持分享经验和演示以进行转移学习。通过代表可承受的移动操作动作，即。例如，机器人与其环境的交互可能性，我们为在各种环境中对已知和未知对象的自动单和多手动操纵提供了一个统一的框架。我们演示了该框架在实际实验中对于多个机器人，任务和环境的适用性。这包括抓住已知和未知的对象，放置对象，双人对象抓握，启用记忆的技能转移在抽屉开放方案中，跨两个不同的人形机器人开放场景，以及从人类演示中学到的倾泻任务。接受后，代码将通过我们的项目第1页发布。
采用以人为本的设计流程实现移动健康应用的可持续发展
大量科学证据表明，移动医疗 (mHealth) 应用可以改善生活质量、缓解症状并恢复患者健康。除了改善患者的健康结果外，移动医疗应用还可以减少医疗保健的使用和与疾病管理相关的成本负担。目前，患者和医疗保健提供者在市售的移动医疗应用中有多种选择。然而，由于移动医疗应用的资源成本高且用户采用率低，成本效益关系仍然存在争议。与传统的专家驱动方法相比，应用以人为本的设计 (HCD) 可能会产生更实用、更可接受和更有效的移动医疗应用。在本文中，我们总结了移动医疗发展研究中当前的 HCD 实践，并提出了提高移动医疗可持续性的建议。这些建议包括考虑与文化规范有关的因素、对 HCD 实践的迭代评估、在移动医疗应用中使用新颖性以及在整个 HCD 过程中考虑隐私和可靠性。此外，我们建议从社会技术角度看待 HCD 实践，以促进移动医疗应用的可持续性。未来的研究应考虑标准化 HCD 实践，以帮助移动医疗研究人员和开发人员避免与不充分的 HCD 实践相关的障碍。