XiaoMi-AI文件搜索系统
World File Search Systemmindful
基于证据的学校正念指南 -
在实施正念计划的学校内的经验表明，教师与正念的互动是对课堂学生成功的有力预测指标。此外，如果委托人和领导小组的参与和支持，学校的正念课程通常会更加成功。如果老师与学生一起参加该计划，则学生的参与可能会更大。教师还可能发现他们可以花时间进行个人练习，并看到与学生相似的好处。建模是向年轻人教授正念的重要组成部分，因此，教师与正念的互动是在课堂和整个学校社区中建模这种行为的重要组成部分。
特质正念预测自然主义面对面互动期间的脑间耦合
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于6月29日，2021年。 https://doi.org/10.1101/2021.06.28.448432 doi：biorxiv preprint
基于正念的干预和健康的影响
1心理学系，心理学和教育科学系，日内瓦大学，日内瓦大学，瑞士，瑞士2，精神病学系，伦敦大学学院脑科学学院，伦敦大学学院，伦敦，英国伦敦大学，萨里大学，萨里大学，萨里大学，萨里大学，英国萨里大学，英国萨里大学，4吉瓦，4吉瓦·克里姆，伊利诺伊，伊利诺伊，伊利诺伊，伊利诺伊大学。认知研究部门的神经科学，心理学和教育科学学院，李格大学，李格大学，比利时，6诺曼底大学，Unicaen，Inserm，U1237，Phind“生理病理学和“神经系统疾病的生理病理学和图像”科隆，科隆，德国，德国8号神经退行性疾病中心（Dzne），波恩，德国，9卓越集群在衰老相关疾病中的细胞压力反应（CECAD）（CECAD），科隆科隆大学，德国，德国大学，德国大学，瑞士10号瑞士社会学，史威士大学，史威尔斯大学，史威尔斯大学，史威士州，史威士大学，史威士大学。 Technische Universitat Dresden，德累斯顿，德累斯顿，12岁的Eduwell团队，Lyon Neuroscience Research Center Inserm U1028，CNRS UMR5292，Lyon 1 University，法国里昂
正念的调解和享乐的节制
智能手机等手持设备的出现改变了我们连接、导航和娱乐的方式，被认为是信息和通信技术 (ICT) 的一场革命。智能手机是移动电话的高级版本，可以访问互联网以发送消息、使用社交媒体、观看视频和玩游戏。如今，智能手机在日常生活中无处不在，全球用户超过 25 亿 [1]。这个口袋大小的信息库有诸多有益用途，包括提高工作效率（例如电子邮件、消息和日历）[2]、社会支持和社交互动（例如社交媒体）、信息搜索（例如网页浏览功能）、促进健康（例如体育锻炼）[3]、体重控制 [4, 5]、肥胖治疗 [6] 和通信，以及 GPS 导航和娱乐，但人们开始担心上瘾使用会产生意想不到的后果，影响生活质量和幸福感。
逐个查找，以克里斯托福和pdf
在“看正念”中，克里斯托夫·安德烈（ChristopheAndré）邀请读者进行正念艺术的变革性旅程，将意识，接受和宁静的原则编织在一起，以在日常生活的挂毯上进行。凭借温和的散文和深刻的见解，安德烈说明了培养正念的存在如何在现代生存的混乱中照亮内心和平的道路。通过探索正念背后的科学，以及实践练习和个人轶事，他聘请读者停下来，反思和拥抱当下，以此作为深刻的清晰和喜悦的来源。这本书不仅是对正念的介绍；这是一种邀请，唤醒生活的丰富性，鼓励您发现在出现的简单性内的变革力量。
人格特质，正念和中国成年人感知压力：一种顺序解释性混合方法
尽管对人格特征，正念和压力的广泛研究，但对它们的综合效果的了解有限。大多数研究都集中在这些构造上，而不是检查其潜在相互作用（Brown and Ryan，2003； Garland等，2017）。尽管一些研究考虑了正念如何减轻人格特征与压力之间的关系（Drake等，2017； Shapiro等，2011），但很少有研究探索了特定正念方面的调节和中介作用。此外，了解个人在压力和正念实践中的体验与定量发现如何相符，可以为这些过程提供更详细的图片。这项研究旨在通过研究正念注意力和正念感知的独立，调节和调解在中国成年人中五因素模型人格特征和感知压力之间的关系中的独立，调节和中介作用来填补这些空白。使用混合方法设计，这项研究将定量分析与对参与者的经验进行定性探索，以发现影响压力感知和正念实践的机制和情境因素。
大学学生对农场动物中抗菌肽使用的看法特质正念在野火季节调节气候困扰中的作用
1心理学系，加利福尼亚大学，戴维斯分校，戴维斯，加利福尼亚州，美国，思维和大脑2中心，加利福尼亚大学，戴维斯大学，戴维斯大学，戴维斯，加利福尼亚州，美国，美国，精神病学和行为科学系，加利福尼亚大学，加利福尼亚大学，加利福尼亚大学，旧金山，旧金山，旧金山，加利福尼亚州，戴维斯，戴维利亚，戴维斯，加利福尼亚州，戴维利亚，加利福尼亚州，戴维利亚，戴维利亚，加利福尼亚州戴维利亚，加利福尼亚州戴维利亚， States of America, 5 Department of Psychological Sciences, University of Connecticut, Storrs, Connecticut, United States of America, 6 Department of Medicine, Division of HIV, Infectious Disease and Global Medicine, University of California, San Francisco, San Francisco, California, United States of America, 7 University of California Center for Climate, Health and Equity, San Francisco, San Francisco, California, United States of America, 8 Center for Climate Change Communication,乔治·梅森大学（George Mason University），美国弗吉尼亚州费尔法克斯（Fairfax）
大型语言模型可以帮助提高粮食生产，但要注意他们的风险
媒体中Chatgpt风格的大型语言模型（LLM）的覆盖范围一直集中在他们的引人注目的成就上，包括解决高级数学问题和在体检中提高专家的培训。但是，LLM在农业中的逐渐采用，这是一个触及每个人类生活的行业，受到了公众的审查。从这个简短的角度来看，我们研究了与食品生产系统中语言模型更广泛采用有关的风险和机会。尽管LLM可以潜在地提高农业效率，推动创新，并为更好的政策提供信息，诸如农业错误信息，收集大量农民数据等挑战以及对农业工作的威胁是重要的问题。LLM景观的快速发展强调了农业决策者需要仔细考虑框架和指南，以确保在这些技术变得如此根深蒂固之前，确保负责使用LLM在食品生产中，以致政策干预变得具有挑战性。