(或)Sahir Kumar Samanta M.pharm。,Ph.D(J.U.)校长B. C. Roy博士药学院和AHS Durgapur,西孟加拉邦-713206 B. C. Roy
摘要:过去二十年来在数字平台上出现的超级目标广告现在被更有效地理解为调整广告,这是一个充满活力且不断发展的过程,在该过程中,广告在实时对用户进行了不断地“优化”广告。在Rieder和Hofmann(2020)之后,我们旨在为“观察练习”算法调整的数字广告制定一个框架。我们借鉴了澳大利亚广告天文台的研究以及关于数字酒精广告的多年研究项目。在这些项目中,我们构建了自定义的工具,以从平台广告库中收集广告,并通过公民科学家的数据捐赠。我们认为,数字广告的力量越来越符合其调整的能力。平台的广告透明度工具引起了我们对广告的关注,但是我们需要发展能够观察动态的社会技术调整过程的能力。我们概念化了广告的“调谐序列”的可视化,作为广告“库”的替代方法。我们认为,开发观察这些调谐序列的能力更好地阐明了建立公众理解和问责制所需的观察方式,他们都在寻找公众的理解和问责制。
一些媒体平台的利润来自消费者和广告商(例如,Spotify、Hulu),而其他媒体平台的利润则来自广告商(例如,Jango、Tubitv)或消费者(例如,Tidal、Netflix)。因此,媒体平台根据如何在内容和广告之间分配有限的空间或带宽而采用不同的策略。在本文中,我们研究了媒体平台的内容提供策略及其对媒体平台和内容供应商利润的影响,同时考虑到多边媒体市场的交叉效应和内容供应商市场的竞争性质。为了便于分析,我们提出了一个媒体平台与三方互动的模型:内容供应商、消费者和广告商。首先,我们对完全竞争内容市场的分析表明,虽然消费者对内容的需求提高了支付意愿,但它会损害平台的利润。其次,与我们的直觉相反,平台的利润会随着内容采购成本的增加而增加。第三,广告商对消费者的渴望降低了在付费内容广告策略下垄断内容供应商的利润。第四,垄断内容供应商无法从竞争平台榨取所有利润。此外,竞争内容供应商甚至可能收取比垄断内容供应商更高的价格。最后,我们强调了内容市场竞争的性质如何影响平台对无广告策略的选择。
摘要 本文分析了2000年至2015年期间政治变量在45个新兴市场和低收入经济体实施结构性税收改革中的作用。现有文献确定了几种推动改革的假设,但缺乏支持这些假设的实证研究。依靠一个新的结构性税收改革数据库和二元模型,我们的结果表明,左翼政府不太倾向于实施税收改革,而距离选举还有政治实力或凝聚力都与税收改革呈正相关。左翼政府在低收入经济体的影响力比在新兴市场经济体更大,这类政府最抵制税收管理改革。距离选举似乎会引发个人所得税(PIT)改革,但对贸易税改革则相反。政治凝聚力是改革大多数税种和税收管理的必要因素。JEL:C33,C36,D63,E32,E62,H20 关键词:财政政策;二元选择模型;税收改革;选举 政治分裂 意识形态
摘要是由于最近对教育机器人技术的兴趣爆炸(ER)的爆炸,本文试图通过提出新的思考和探索相关概念的新方法来探讨这一领域。本文的贡献是四倍。首先,未来的读者可以将本文用作探索教育机器人技术的预期学习成果的参考点。从详尽的潜在学习收益列表中,我们提出了一组六个学习成果,可以为机器人活动设计的可行模型提供一个起点。第二,本文的目的是作为最近的ER平台的调查。在越来越多的可用机器人平台的驱动下,我们收集了最新的ER套件。我们还提出了一种对平台进行分类的新方法,该平台没有制造商的模糊年龄范围。所提出的类别(包括无代码,基本代码和高级代码)源自学生需要有效地使用它们的先验知识和编程技能。第三,随着ER竞赛的数量和比赛与ER平台的增加同时增加,该论文介绍并分析了最受欢迎的机器人事件。机器人竞赛鼓励参与者在促进特定学习成果的同时发展和展示自己的技能。本文旨在提供这些结构的概述并讨论其效率。最后,本文探讨了提出的ER竞争的教育方面及其与六个拟议的学习成果的相关性。这提出了一个主要特征组成竞争并实现其教学目标的问题。本文是第一项研究,将潜在的学习收益与我们的竞争与我们的最佳知识相关联。
人工智能:欧洲和罗马尼亚初创企业格局概述及其决定其成功的因素 Adina SĂNIUȚĂ 国立政治研究和公共管理大学 6-8 Povernei St., Sector 1, 012104 布加勒斯特,罗马尼亚 adina.saniuta@facultateademanagement.ro Sorana-Oana FILIP 罗马尼亚 sorana.filip@gmail.com 摘要 人工智能 (AI) 已融入我们生活的许多方面;在技术驱动的时代,企业使用人工智能来提高生产力,更好地了解消费者行为或通过机器人提供服务。基于 Filip (2021) 为论文进行的在线桌面和试点研究,该研究概述了欧洲和罗马尼亚初创企业的格局以及决定其成功的因素,如产品开发核心团队专业知识、核心团队承诺和业务战略。该研究旨在为进一步的论文创建一个框架,该论文将深入研究罗马尼亚的人工智能初创环境,因为经济期刊预测,鉴于罗马尼亚在这一领域的潜力以及 IT、技术和机器人领域的人才库,该市场将在不久的将来增长。关键词人工智能;初创企业;成功因素。介绍人工智能的一般性讨论人工智能 (AI) 有多种形式,从人脸检测和识别系统、搜索和推荐算法到数字助理、聊天机器人或社交媒体。它的复杂性和动态性很难用一个定义来概括 (Zbuchea、Vidu 和 Pinzaru,2019)。据统计,到 2024 年,全球人工智能市场规模预计将达到 5000 亿美元(Statista,2021a),预计人工智能软件市场收入将达到 3275 亿美元(Statista,2021b)。尽管人工智能在过去几年似乎发展迅速,普及度不断提高,但人工智能的历史可以追溯到 20 世纪 50 年代,当时这一概念诞生于科学家、数学家和哲学家的头脑中。艾伦·图灵是第一个对这一主题进行广泛研究的人,他在他的论文“计算机器和智能”中描述了人工智能一词,以及它的构建和测试(Anyoha,2017,第 1 页)。随着图灵测试的引入,他
Brian Drake 是国防情报局未来能力与创新办公室的人工智能主任。他领导该机构的人工智能研究和开发投资组合。作为一名分析师,他领导多个团队应对来自国家和非国家行为者的威胁,涉及技术、反情报和禁毒主题。他曾担任德勤咨询公司的经理和托夫勒联合公司的管理顾问,专门为商业和政府客户提供战略规划、业务发展、合作咨询、技术和创新服务。他还曾担任系统规划和分析公司的军事平台和政策分析师以及 DynCorp 的核武器计划分析师。他拥有默瑟大学的文学学士学位和乔治城大学的硕士学位。除了他的官方职责外,他还是国防情报纪念基金会的总裁兼首席执行官;为阵亡国防情报官员的子女设立的奖学金基金。
半导体材料为量子技术 (QT) 提供了一个引人注目的平台。然而,在众多候选材料中识别出有前途的材料主体是一项重大挑战。因此,我们开发了一个框架,使用材料信息学和机器学习方法自动发现用于 QT 的半导体平台。我们实施了不同的方法来标记数据,以训练监督机器学习 (ML) 算法逻辑回归、决策树、随机森林和梯度提升。我们发现,完全依赖文献研究结果的经验方法会明显区分预测的合适和不合适的候选材料。与文献中将带隙和离子特性作为 QT 兼容性的重要特性的预期相反,ML 方法强调了与对称性和晶体结构相关的特征,包括键长、方向和径向分布,因为这些特征在预测材料是否适合 QT 时很重要。
空间实验在技术上具有挑战性,但是天文学和星体化学研究的科学重要组成部分。国际空间站(ISS)是一个非常成功且持久的研究平台的太空实验的一个很好的例子,在过去的二十年中,它提供了大量的科学数据。但是,未来的太空平台为进行实验提供了新的机会,该实验有可能解决天体生物学和星体化学领域的关键主题。从这个角度来看,欧洲航天局(ESA)主题团队天文学和星体化学(带有更广泛的科学社区的反馈)确定了许多关键主题,并总结了2021年的“ ESA Scispace Scipace Science Community Community Community White Paper”《天体生物学和星体化学》。我们重点介绍了未来实验的开发和实施的建议,讨论原位测量,实验参数,暴露场景和轨道的类型,以及确定知识差距以及如何提高目前正在开发或高级计划阶段的未来太空曝光平台的科学利用。除了国际空间站外,这些平台还包括立方体和小萨特人,以及较大的平台,例如月球轨道门户。我们还为月球和火星上的原位实验提供了前景,并欢迎新的可能性支持搜索我们太阳系内外的系外行星和潜在的生物签名。