摘要:人工智能(AI)为英语提供了新的工具和方法作为外语(EFL)学习,但它也带来了新的风险和挑战,例如AI焦虑。随着AI在EFL学习中逐渐采用的AI焦虑,带来了各种问题。为了帮助教育工作者了解学生的关注,并促进了中学生EFL学习的AI使用,本研究采用了统一的技术接受和使用理论(UTAUT)(UTAUT)和AI焦虑的相关方面作为理论基础。随后,本研究分析了中学生AI焦虑的状况及其与学生使用AI EFL学习工具的行为意图的关系。数据是通过在线平台收集的,中国北京的中学学生有293个有效的回答。验证性因素分析(CFA)和结构方程模型(SEM)用于分析数据。量表的有效性和可靠性对九种结构感到满意:预期性能,预期努力,社会影响力,促进条件,行为意图,AI学习焦虑,就业替代焦虑,社会技术失明焦虑和AI配置焦虑。表明的结果:(1)预期绩效,预期努力,社会影响力和促进条件都可以在不同程度上积极预测行为意图,而社会影响力则具有最强的影响; (2)AI学习焦虑和替代工作焦虑可能会通过中间变量间接和负面地预测行为意图。基于分析,研究表明,教育者不仅应通过全面的AI教育来培养学生的AI素养,还应通过科学的心理干预来指导学生形成正确的情绪,以便他们更好地使用AI EFL学习工具。
社会发展组织越来越多地使用人工智能 (AI) 工具来帮助团队成员有效和高效地协作。这些工具用于各种团队管理任务和活动。基于技术接受和使用统一理论 (UTAUT),本研究探讨了影响员工使用人工智能工具的各种因素。该研究通过两种方式扩展了该模型:a) 通过评估这些工具对员工协作的影响;b) 通过探索人工智能厌恶的调节作用。数据是通过对使用人工智能工具的员工进行在线调查收集的。研究模型的分析是使用偏最小二乘 (PLS) 进行的,采用两步模型——测量和评估的结构模型。结果表明,努力预期、绩效预期、社会影响和促进条件等前因变量与使用支持人工智能的工具呈正相关,而这些工具与协作呈正相关。研究还得出结论,人工智能厌恶在绩效预期与技术使用之间的关系中具有显著影响。这些发现意味着组织应专注于构建采用支持人工智能的工具的环境,同时也要解决员工对人工智能的担忧。
无人机有望实现更快、更高效的最后一英里包裹递送,同时降低相关成本。本研究的目的是了解哪些因素影响了德国消费者的接受度。采用渐进式方法扩展了技术接受与使用统一理论模型。构建绩效期望被三个特定于情境的构建所取代,即环境绩效期望、速度期望和非接触式递送的相对优势。增加了四个感知风险构建(即隐私风险、安全风险、噪音风险、财务风险)。通过在线调查开发和测试了 11 个假设。使用社会科学统计软件包中的结构方程模型分析数据。在研究的影响消费者接受度的因素中,非接触式递送的相对优势、享乐动机和社会影响是重点。对感知风险构建隐私风险和安全风险的影响因无人机使用经验和性别而异。本研究的价值源于所提出的扩展技术接受和使用统一理论模型,该模型针对新技术环境(用于最后一英里包裹递送的无人机)和不同的文化环境(德国)进行了量身定制。这项研究通过在主要面向物流提供商的工程、信息学和运筹学中添加消费者视角,为现有无人机研究的多学科方法做出了贡献。
• 至少在 10 年或您的一生或预期寿命(或您和您的受益人的寿命或共同预期寿命)内分摊的某些付款 • 70 1/2 岁(或死亡后)之后所需的最低分配额 • 困难分配 • ESOP 股息 • 超过税法限制的捐款的纠正分配 • 被视为视同分配的贷款(例如,由于在您的就业结束前错过付款而违约的贷款) • 计划支付的人寿保险费用 • 根据特殊自动注册规则进行的供款,根据您的要求在注册后 90 天内提取 • 因 ESOP 下禁止分配 S 公司股票而被视为已分配的金额(此外,如果您将 S 公司股票的分配转入 IRA,通常会产生不利的税收后果)。
据估计,每年每百万人中特发性肺动脉高压的发病率为 1 至 2 例。患病率远低于罕见病的定义标准。在疾病特异性(靶向)治疗出现之前,特发性肺动脉高压 (IPAH) 患者从确诊到 1980 年代中期的预期寿命中位数为 2.8 年。肺动脉高压是一种罕见、渐进性、危及生命的疾病,预后不良。如今,尽管有针对肺动脉高压的特异性疗法,但肺动脉高压仍然是一种渐进性和致命性的疾病,预期寿命仅为 7-10 年左右 [Benza 2012a;Fares 2016]。 PAH 仍然是一种进行性致命疾病,尽管已有针对 PAH 的特异性疗法,但 1 年、3 年和 5 年生存率分别约为 90%、69% 和 55%(Hoeper 2022、Zelt 2022)。
