XiaoMi-AI文件搜索系统
World File Search Systemideation
通过协作群体增强构想 -
包括大语言模型（LLM）和图像模型在内的生成AI技术的可用性日益增长，对设计师和其他创意专业人士的工作产生了深远的影响[2，3，4]。创意协作工作流程通常会遵循两个阶段。在最初的分歧阶段，团队产生了广泛的可能想法。在以下融合阶段，团队成员对所有生成的想法进行了审查和评估，目的是识别和选择团队将进一步追求的少数想法。我们有兴趣研究如何将LLM有效地集成到差异和收敛意义阶段，以增强团队的创造力。我们希望在分歧阶段，LLM可用于改善人们产生的想法，并提出新的想法。在融合阶段，LLM可以帮助确定哪些想法更相关，创新和有见地，并有助于进一步发展所选思想。为了探索这个问题，我们设计了一个协作的集团-AI Iseation框架，该框架将LLM纳入了小组的创作过程中。LLM不能取代人类的输入，而是添加并增加了人类的意见。拟议的组-AI框架
<社会工作的本科生的尖锐构想
在高级社会中存在与自杀有关的社会和文化问题。从专业的角度来看，社会工作者介入为与他们一起工作的人们实现社会福利和健康，而不会免于遭受自杀意念。本研究旨在分析社会工作本科生的自杀念头。通过一种定量方法，在属于西班牙大学的大量学生中分析了这种现象（n = 1005）。在统计研究中，开发了频率分析，跨表分析和二进制逻辑回归，作为参考因素：自杀构想的风险。自杀风险的预测变量是：性别，社会关系类型，在先前阶段的欺凌，抗抑郁药的消费量，COVID-19之后的焦虑增加以及在继续研究中的经济困难。大学不应忽略学生的问题，而应纳入特定的治疗和预防自杀风险的计划，促进有关联合国的优质教育。可持续发展目标。
教育性商业模式构思工具 - AIS eLibrary
如今，在教育中教授商业模式构思技能至关重要，这超越了学科界限，可以培养学生创新流程、产品和整个企业的能力。然而，新兴的（基于软件的）新想法和创新工具往往忽视了教育目的所面临的独特特征。在此背景下，我们设计了一种新颖的人工制品，用于在数字学习环境中教授商业模式构思。通过借鉴基于模式的创新、创造力和对话式人工智能的知识，我们构建了一个名为 PICO 的个人构思伴侣。我们的伴侣引导学生经历五个常见的构思阶段，鼓励他们以发散-收敛的思维方式创新商业模式。基于网络的工具涵盖了教育、社交和激励层面的多种功能，以教授商业模式基础知识并在构思过程中促进创造力和多才多艺的思维。基于我们的设计科学研究项目，我们报告了情境实例化，并为其在（创业）教育中的设计和实施提供了抽象指南。该成果已在多个正式和非正式学习场景中进行了评估，其中包括来自信息系统和创业项目的 70 多名学生以及来自公司驱动的创新培训项目的 10 名员工。
使用文本转图像的人工智能工具探索设计构思中的元认知过程
1. 引言 人工智能这个主题一直受到各个学科的广泛关注。2022年，随着科技的快速进步，AIGC（人工智能生成内容）的出现不仅导致了各个行业结构的变化，而且还成为不同领域非常有前途的工具。在设计方面，文本到图像人工智能的出现可以通过简单的指令生成相应的图像。此外，它还可以增强视觉交流和创意构思效率（刘等人，2023 年）。因此，已经有多项研究调查了人工智能的使用及其应用（Ploennigs 和 Berger，2022 年；Vartiainen 和 Tedre，2023 年）。然而，设计不仅被视为一门生产作品的学科，而且还被视为一个涉及思考、分析和决策的复杂过程（Kavousi 等人，2020a 年）。在心理学中，我们将其称为“元认知”。它不仅在设计教育和设计构思中发挥着重要作用（Ball and Christensen 2019），创造力的提高也是通过元认知思维的训练过程实现的。因此，本文不讨论人工智能在设计中的应用，而是旨在更深入地了解其对设计领域的影响。
使用机器学习来检查TBI之后的自杀意念
为了解决传统方法识别自杀风险的局限性，研究普通人群中自杀行为的研究人员呼吁将重点从先验风险因素转变为基于机器学习的算法。14具有大型数据集，机器学习方法提供了几种优势，包括使用可以通过建模变量之间的复杂关联来促进临床意义和概括性的技术，以及自动学习优化预测算法的方法而不是依赖研究人员的先验假设的方法。14,15个机器学习方法在预测异质且罕见发生的结果（即自杀思想和行为）方面可能是有利的，这些结果通常与阶级失衡有关。具体来说，可以与传统的机器学习程序结合实施采样程序，包括缩写，以预测不平衡的结果。Using a combination of surveys, administrative data, and electronic health records, machine learning has shown promise in identifying short- and long-term risk for suicidal behaviors (in non-TBI populations) with greater accuracy than traditional approaches, up to several years before they occur and across a variety of settings, including the US Army, 16,17 Veterans Health Administration, 18 independent health care systems, 15,19,20 and population-wide studies.21,22
人工智能在时尚行业设计和产品开发中的应用
产品创新是企业创造可持续竞争优势的重要一步（Biazzo & Filippini，2021）。创意或创意创造是产生和发展具有创造性的新想法和解决方案的认知过程，用于解决开放式问题（Fink & Benedek，2014）。创意过程通常发生在设计工程的早期阶段，作为寻找设计问题解决方案的工具。因此，在时装公司的创意阶段，有空间采用数据驱动和基于人工智能的方法（Chen et al.，2019）。创意对最终的产品解决方案做出了重要贡献，因此必须在产品开发中加以考虑、规划和充分准备（Quade & Schlüter，2020）。创意创意研究的主要贡献出现在 1950 年，当时该主题首次被研究（Guilford，1950）。另一个公认的方面是人工智能 (AI)，它被认为会影响组织的未来，可能包括时尚行业。人工智能是一种模仿人类智能、转化为算法并通过机器开发的技术（Kelley 等人，2018 年）。研究证明，2017 年至 2022 年间，企业采用人工智能的人数翻了一番（麦肯锡，2022 年）。一项采访全球 2,500 名商业领袖的研究表明，2023 年改变组织的十大转变之一是应用人工智能来构建更好的组织（麦肯锡，2023 年）。人工智能贡献收入最大的功能包括产品和服务开发（麦肯锡，2022 年）。
人工智能增强型在线创意的类型学：应用于数字参与平台
数字参与平台 (DPP) 可使公民大规模在线参与政策制定。然而，这种数字渠道以信息过载和异步对话的形式为公民带来了新的挑战。在线创意的各种学科提供了不同的基于 AI 的方法来应对这些挑战，但相关文献仍然支离破碎。因此，本文开发了一种在线创意类型学，包括六种类型的 AI 增强解决方案。这种类型学在 DPP 中的应用表明，自动化任务占主导地位，AI-人类循环方法很少，目前在集体层面上缺乏应用。这种通用类型学还使我们能够将当前的 DPP 解决方案与其他领域（例如开放式创新或推荐系统）进行比较，并将这些领域作为未来解决方案的灵感。总体而言，本文提出了一种以类型学形式分析 AI 增强的在线创意的理论基础。它在 DPP 中的应用可以确定未来的研究机会，并作为开发用于 DPP 的 AI 的复杂架构的基础。
青少年自杀意念、自残和自杀企图的治疗
自杀、自杀未遂、自残和自杀意念是年轻人中重大的公共卫生问题。自杀现在是美国 15 至 24 岁青少年和年轻人的第二大死亡原因，参考文献 1 并且与成年人相比，青少年的自杀未遂率明显更高。参考文献 2-3 在年轻人中，自杀意念、自残和自杀未遂比自杀死亡更为常见，并且还与其他几种负面后果有关，例如共病精神障碍、教育和职业成果不佳以及因其他原因导致的过早死亡。参考文献 4 研究表明，青少年时期企图自杀的人接受心理健康治疗、精神疾病诊断和成年自杀的可能性更高。5
XPRIZE 利用 Swarm AI 技术优化 Visioneers 峰会创意
对于 XPRIZE 分组讨论会的导师们来说，Swarming 让来自世界各地的不同领导者能够在短时间内就大量提案的优点进行协商。与之前使用传统投票方法的会议相比，Swarm AI 技术不仅确保了会议上的每个人的声音都能被听到，而且这一过程还优化了这一特殊思想聚会的集体智慧。
