XiaoMi-AI文件搜索系统
World File Search Systemexamining
通过价值检查学生AI的因素 -
本研究论文对学生在学术环境内采用，采用基于价值的采用模型（VAM）的采用，影响和未来期望进行了研究。数据是通过与大学和大学生的焦点小组访谈收集的，揭示了多方面的因素，这些因素既可以推动对这些技术的采用和抵抗力。学生表明，生成性AI的主要好处包括其作为学术援助的用处 - 促进家庭作业和创意的产生 - 以及通过简化复杂的任务来增强享受的能力。相反，对与AI使用相关的技术挑战和潜在错误以及高级功能的隐性成本的担忧被确定为重大障碍。这些关注者被归类为牺牲，在塑造学生的生成AI工具的价值方面起着至关重要的作用。感知的价值反过来影响了他们采用此类技术的意图。重要的是，这项研究强调了学生在感知的福利大于感知的牺牲时强烈倾向于接受AI工具。本文对影响学生参与AI技术的因素提供了宝贵的见解，并为未来的技术增强功能和教育政策提出了指导，以最大程度地提高积极成果并减轻缺点。关键字：生成AI，学生收养，基于价值的采用模型，教育中的AI，技术抵抗，未来期望
检查胡说八道对COVID-19疫苗接种行为的作用
LSU学术存储库的Ogden Honors College将本文带给您免费的公开访问。已被LSU学术存储库的授权管理人纳入荣誉论文。有关更多信息，请联系ir@lsu.edu。
检查农村和非农村环境中的日常活动空间
背景和评估动机本研究的目的是评估收集个人“活动空间”数据的可行性，即他们在一天中的空间以及整体福祉的衡量标准。活动空间的概念植根于地理研究中，并指常规活动的空间表演，其中常规事件以独特的节奏，节奏和蒂姆斯发生（Cagney等，2020; Golledge＆Stimson 1997）。这是一种时空结构，它是由于日常生活中的常规活动而捕获个人遇到的一组地方（Browning＆Soller 2014，Cagney，Cagney等人。2013）。任务，义务，社会参与和品味可能会使人们摆脱其住宅环境，并可能远离他们的住宅环境。活动空间因此包括（通常不限于个人的住宅区）。活动空间在地理范围内以及其中包含的结构，物理和社会特征中的活动空间也有所不同。
检查针对AI存在风险的流行论点
对人工智能（AI）及其潜在存在风险的关注引起了极大的关注，诸如Geoffrey Hinton和Dennis Hassabis之类的数字提倡对灾难性结果进行强大的保障措施。尼克·博斯特罗姆（Nick Bostrom）和麦克斯·蒂格马克（Max Tegmark）等知名学者通过探索超智能AI的长期影响进一步推动了话语。然而，这种存在的风险叙事面临批评，特别是在流行媒体中，诸如Timnit Gebru，Melanie Mitchell和Nick Clegg之类的学者认为，除其他外，它分散了当前问题的注意力。尽管媒体报道广泛，但对存在风险话语的怀疑却在学术文献中受到了严格的治疗有限。解决这种不平衡，本文重建并评估了三个反对存在风险观点的共同参数：分心论点，人类脆弱的论点以及干预论点的检查点。通过系统地重建和评估这些论点，本文旨在为更平衡的学术话语和对AI的进一步研究提供基础。
检查气候变化对当地生态系统和社区的影响
我们使用气候模型，现场数据和社会经济分析来研究温度升高，变化的降水模式以及极端天气事件的频率的特殊影响。我们的调查结果表明，在局部生态系统中，物候，生物多样性和物种分布都在显着变化。生态系统服务在内，包括授粉，净化和碳固存受到这些变化的阻碍。二十一世纪人类面临的最重要的环境问题之一是气候变化。世界上最富有，最贫穷的国家都受到气候变化的影响。在易感性的地区，例如，生长季节较短，干旱较短，正在降低农业生产力并导致粮食不安全。除了环境影响外，当地居民还面临重大的财务挑战。根据经济评估，与气候相关的灾害（例如洪水和干旱）对基础设施和人民都有重大的财务影响。
XAI-CF – 研究可解释人工智能在网络取证中的作用
随着智能手机、物联网、汽车和无人机控制系统等复杂网络设备的兴起、操作系统和文件格式的激增、无处不在的加密、使用云进行远程处理和存储以及法律标准的出现，网络取证 (CF) 面临着许多新的挑战。例如，智能手机上运行着数十个系统，每个系统都有数百万个可下载的应用程序。筛选这些大量数据并使其有意义需要新技术，例如来自人工智能 (AI) 领域的技术。为了在 CF 中成功应用这些技术，我们需要向 CF 的利益相关者（例如法医分析师和法院成员）证明和解释结果，以便他们做出明智的决定。如果我们想在 CF 中成功应用 AI，就需要培养对 AI 系统的信任。接受在 CF 中使用 AI 的其他一些因素是使 AI 真实、可解释、可理解和可交互。这样，AI 系统将更容易被公众接受并确保与法律标准保持一致。可解释的人工智能 (XAI) 系统可以在 CF 中扮演这一角色，我们将这样的系统称为 XAI-CF。XAI-CF 不可或缺，目前仍处于起步阶段。在本文中，我们探讨并论证了 XAI-CF 的意义和优势。我们强烈强调构建成功且实用的 XAI-CF 系统的必要性，并讨论了此类系统的一些主要要求和先决条件。我们对 CF 和 XAI-CF 这两个术语进行了正式定义，并对之前应用和利用 XAI 来建立和增加对 CF 的信任的研究进行了全面的文献综述。为了让读者熟悉本文的研究，除了背景之外，我们还对过去十年在 XAI 和 CF 中开展的工作进行了批判性和简短的回顾。我们讨论了 XAI-CF 面临的一些挑战，例如对抗性攻击、偏见管理、过度简化、CF 和 AI 鸿沟以及人机交互。我们还针对这些挑战提供了一些具体的解决方案。我们确定了为 CF 构建 XAI 应用程序的关键见解和未来研究方向。本文旨在探索和让读者熟悉 XAI 应用程序在 CF 中的作用，我们相信我们的工作为未来对 XAI-CF 感兴趣的研究人员提供了有希望的基础。
权力能增加对奖励的关注吗？研究大脑和行为
理论上，权力体验可以增加对奖励的关注，但事实真的如此吗？虽然这是一个普遍的假设，但没有一项研究直接调查权力对奖励关注的影响。此外，调查权力对与奖励相关的行为的影响的研究并没有将奖励与可能的替代目标分开。因此，本文直接研究了权力是否会在将奖励与可能的替代目标移除/分离的同时增加个人对奖励的关注。通过七项使用多种范式和方法（即自我报告、概念激活、鼠标跟踪和脑电图）的研究，我们的结果几乎没有支持心理权力增加对奖励关注的假设。我们的主要结果得到了贝叶斯分析和跨研究荟萃分析的补充。本文的研究结果与那些试图解释权力与不道德行为之间联系的人高度相关，其中对奖励的关注增加被认为发挥了作用。我们的结果表明，需要探索其他可能的机制来确定强者行为背后的驱动力。
检查在可变形的地形中挖掘车轮装载机的模拟对真实差距
摘要我们研究了基于物理的模拟器如何复制一个真实的车轮装载机在一堆土壤中填充水桶。比较使用车辆运动和驱动力的场时间序列进行比较，负载质量和全部工作。车辆被建模为具有摩擦触点，传动系统和线性执行器的刚性多体系统。对于土壤，我们测试了不同分辨率的离散元素模型，并且没有多尺度加速。时空分辨率在50-400 mm至2-500毫秒之间，计算速度比实时快1/10,000至5倍。发现模拟到现实差距约为10％，并且对实现水平的依赖性较弱，例如与实时模拟兼容。此外，研究了在不同的模拟操作之间转移下的优化力反馈控制器的敏感性。尽管域间隙约为15％，但观察到域偏置会导致5％的性能降低。
检查幼儿教育对未来成功的影响
本论文是由默里州立数字公地的学生作品免费提供给您的。它已被默里州立数字共享的授权管理员纳入整合研究。有关更多信息，请联系msu.digitalcommons@murraystate.edu。