XiaoMi-AI文件搜索系统
World File Search Systemorcid
文章：Cox, A. orcid.org/0000-0002-2587-245X（2022 年）人工智能如何改变学术图书馆工作：应用能力文献和专业理论。信息科学与技术协会杂志，74 (3)。第 367-380 页。 ISSN 2330-1635
超越自动化的工作。Willcocks (2020) 试图消除当前整个就业自动化浪潮中围绕的炒作恐惧叙事。工作岗位既会被创造，也会被丢失。他表示，会出现混乱，但会有时间进行调整。有帮助的是，全球人工智能伙伴关系 (2020) 提供了一份全面清单，列出了人工智能可能在取代、补充、主导、增强、划分或重新人性化工作方面产生的潜在影响。也许所有这些都会在不同工作领域、不同时间在某种程度上发生。也许有些工作将保持基本不变。因此，人工智能对工作（包括专业工作）的可能影响仍然存在争议且难以预测。可能的情况是预测特定工作领域的影响。在此背景下，这篇关于人工智能和工作特刊的概念论文的目的是考虑人工智能对学术图书馆员专业工作的潜在影响。本文将自己定位在两类文献中，作为进行分析的视角。第一类是关于专业能力的丰富 LIS 文献。这类文章通常由从业者和教育工作者撰写，详细描述了执行新专业任务所需的技能和知识。第二类是来自职业社会学的更具批判性和理论性的工作。本文的预期贡献是使用这些视角来分析在图书馆工作中采用不同人工智能方法的可能性，主要是在知识发现的关键领域。本文还试图探索这些视角如何相互关联以及如何一起使用。在构建本质上是概念探索的内容时，作者参考了他之前使用职业理论分析职业变化事件的研究（Cox & Corrall, 2013; Cox, Gadd, et al., 2019; Cox, Kennan, et al., 2019; Cox, Pinfield, & Rutter, 2019; Verbaan & Cox, 2014），更具体地说，参考了他对信息环境中人工智能应用的实证研究（Cox, 2021; Cox, Gadd, et al., 2019; Cox, Kennan, et al., 2019; Cox, Pinfield, & Rutter, 2019）。由于作者更熟悉英国学术图书馆的环境，因此对这一背景的评论更有信心，但大部分逻辑也可能适用于其他地区。
文章：Offiah, A.C. orcid.org/0000-0001-8991-5036 (2022) 当前和新兴的儿科肌肉骨骼放射学人工智能应用。儿科放射学，52 (11)。第 2149-2158 页。ISSN 0301-0449
摘要 人工智能 (AI) 在放射学中发挥着越来越重要的作用（在成人世界中的作用比在儿科中的作用更大），以至于有人毫无根据地担心它将完全取代放射科医生的角色。关于 AI 在儿科放射学中的肌肉骨骼应用，我们距离 AI 取代放射科医生的时代还很远；即使是最常见的应用（骨龄评估），AI 也更多地以 AI 辅助模式使用，而不是 AI 替代或 AI 扩展模式。用于骨龄评估的 AI 已在临床上使用十多年，是进行最多研究的领域。儿童的大多数其他潜在适应症（例如阑尾和脊椎骨折检测）仍然主要处于研究领域。本文回顾了人工智能在儿科肌肉骨骼系统方面最突出的领域，简要总结了当前的文献并强调了未来的研究领域。鼓励儿科放射科医生作为研究团队成员参与开展儿科放射学人工智能研究。
文章：Alandejani, F.、Alabed, S. orcid.org/0000-0002-9960-7587、Garg, P. 等人（另外 23 位作者）（2022 年）人工智能得出的右心房心血管磁共振测量的训练和临床测试。《心血管磁共振杂志》，24 (1)。25。
摘要背景：右心房 (RA) 面积可预测肺动脉高压患者的死亡率，并被欧洲心脏病学会/欧洲呼吸学会肺动脉高压指南推荐。深度学习的出现可能使 RA 面积测量更加可靠，以改善临床评估。本研究的目的是实现心血管磁共振 (CMR) RA 面积测量自动化，并通过评估可重复性、与侵入性血流动力学的相关性和预后价值来评估其临床效用。方法：在 365 名患有肺动脉高压、左心室病变的患者和健康受试者的多中心队列中训练了深度学习 RA 区域 CMR 轮廓模型。在前瞻性队列 (n = 36) 中评估了研究间重复性 (组内相关系数 (ICC)) 和轮廓一致性 (DICE 相似系数 (DSC))。对未用于训练或前瞻性队列的 400 名患者进行了临床测试和死亡率预测，并对 212/400 名患者评估了自动和手动 RA 测量与侵入性血液动力学的相关性。在 ASPIRE 登记处对 3795 名患者进行了放射科医生质量控制 (QC)。主要 QC 观察员评估了所有分割并将其记录为满意、次优或失败。第二位 QC 观察员分析了一个随机子队列以评估 QC 一致性 (n = 1018)。结果：与手动 RA 测量相比，所有深度学习 RA 测量均显示出更高的研究间重复性 (ICC 0.91 至 0.95)（第一位观察员 ICC 0.82 至 0.88，第二位观察员 ICC 0.88 至 0.91）。DSC 在比较自动人工智能和手动 CMR 阅读器时显示出高度一致性。观察者 1 对观察者 2、自动测量对观察者 1 和自动测量对观察者 2 的最大 RA 面积平均值和标准差 (SD) DSC 指标分别为 92.4 ± 3.5 cm 2 、91.2 ± 4.5 cm 2 和 93.2 ± 3.2 cm 2 。观察者 1 对观察者 2、自动测量对观察者 1 和自动测量对观察者 2 的最小 RA 面积平均值和 SD DSC 指标分别为 89.8 ± 3.9 cm 2 、87.0 ± 5.8 cm 2 和 91.8 ± 4.8 cm 2 。自动 RA 面积测量均表现出中等相关性
文章：Mahmood, H. orcid.org/0000-0001-7159-0368、Shaban, M.、Rajpoot, N. 等人（另外 1 位作者）（2021 年）基于人工智能的头颈癌诊断方法：概述。英国癌症杂志，124 (12)。第 1934-1940 页。ISSN 0007-0920
背景：本文回顾了最近采用人工智能/机器学习 (AI/ML) 方法通过自动图像分析对头颈癌 (HNC) 进行诊断评估的文献。方法：通过 OVID、EMBASE 和 Google Scholar 使用 MEDLINE 进行电子数据库搜索，以检索使用 AI/ML 对 HNC 进行诊断评估的文章 (2009 – 2020)。对使用的 AI/ML 方法或成像方式没有任何限制。结果：共确定了 32 篇文章。HNC 部位包括口腔 (n = 16)、鼻咽 (n = 3)、口咽 (n = 3)、喉 (n = 2)、唾液腺 (n = 2)、鼻窦 (n = 1)，五项研究研究了多个部位。成像方式包括组织学 (n = 9)、放射学 (n = 8)、高光谱 (n = 6)、内窥镜/临床 (n = 5)、红外热 (n = 1) 和光学 (n = 1)。两项研究使用了临床病理学/基因组数据。22 项研究 (69%) 采用了传统 ML 方法，8 项研究 (25%) 采用了深度学习 (DL)，2 项研究 (6%) 采用了这些方法的组合。结论：越来越多的研究探索 AI/ML 在使用一系列成像方式辅助 HNC 检测方面的作用。这些方法可以达到很高的准确度，可以超越人类在数据预测方面的判断能力。需要进行大规模多中心前瞻性研究，以帮助部署到临床实践中。
文章：Brooks, C. orcid.org/0000-0003-1580-045X、Gherhes, C. orcid.org/0000-0003-2085-3580 和 Vorley, T. orcid.org/0000-0002-3889-245X (2020) 法律领域的人工智能：转型的压力和挑战。《剑桥地区、经济和社会杂志》，13 (1)。第 135-152 页。ISSN 1752-1378
自动化和人工智能 (AI) 领域的最新技术发展势必颠覆法律工作实践和交付方式的根本基础。然而，它们如何挑战当前的商业模式、在何处遭遇阻力以及如何实现人工智能的好处仍未得到探索。本文通过对英国法律服务行业专业人士的采访，强调了技术和市场压力如何共同挑战法律服务公司的商业模式。然而，研究结果揭示了阻碍转型的重要文化和结构性挑战。本文通过关注商业模式创新作为一种可以支持该行业公司重新构想法律服务提供的工具，扩展了关于法律服务技术颠覆的辩论。
专著：Cox, A. orcid.org/0000-0002-2587-245X (2021) 人工智能、机器学习、自动化和机器人技术对信息职业的影响：CILIP 报告。报告。CILIP
Stephen Ayre（乔治艾略特医院威廉哈维图书馆）、Ken Chad（Ken Chad 咨询公司）、Alex Fenlon（伯明翰大学图书馆服务部）、Julie Glanville（信息检索独立顾问）、Felix Greaves（英国国家卫生与临床优化研究所（NICE）科学、证据与分析主任）、Jake Hearn、Timothy Jacobs（克里斯蒂 NHS 基金会信托）、Indra Joshi（NHS 人工智能主任）、Niel Kempson、Tony Lewis（TmL 咨询公司）、Stephen Phillips（CILIP K&IM 委员会副主席）、Alexandra Pooley（SLSIG 主席）、Mia Ridge（大英图书馆西部遗产收藏数字馆长、数字研究团队）、Hélène Russell（知识产业）、Tony Russell-Rose（伦敦大学金史密斯学院）、Edward Saperia（Newspeak House）、Philip Scott（朴茨茅斯大学计算机学院健康信息学讲师）、 Matthew Soare（赫尔中央图书馆创客空间开发经理）、Alex Smith（全球 RAVN 产品负责人）、Marion Spring（国家健康与临床优化研究所 (NICE) 信息服务副主任）、Martin White（Intranet Focus Ltd 董事总经理）。
文章：van Erp, M.、Reynolds, C.、Maynard, D. orcid.org/0000-0002-1773-7020 等人(另外 16 位作者) (2021) 使用自然语言处理和人工智能探索食谱和食物的营养和可持续性。人工智能前沿，3。621577。ISSN 2624-8212
1 KNAW 人文学科集群，阿姆斯特丹，荷兰；2 伦敦城市大学食品政策中心，伦敦，英国；3 谢菲尔德大学计算机科学系自然语言处理组，谢菲尔德，英国；4 卑尔根大学信息科学与媒体研究系，卑尔根，挪威；5 Meertens 研究所 (KNAW)，阿姆斯特丹，荷兰；6 国立信息学研究所，千代田区，日本；7 南佛罗里达大学艺术与科学学院数学与统计学系，佛罗里达州圣彼得堡，美国；8 伦敦布鲁内尔大学工程、设计和物理科学学院能源未来研究所公平发展与复原力研究组，英国厄克斯布里奇；9 Text Mining Solutions Ltd.，英国约克；10 曼彻斯特大学科学与工程学院物理与天文系，英国曼彻斯特；11 圣保罗大学，巴西圣保罗，12 国际社会历史研究所 (KNAW)，荷兰阿姆斯特丹
文章：Cox, AM orcid.org/0000-0002-2587-245X (2021) 通过基于文学的设计小说探索人工智能和机器人对高等教育的影响。国际高等教育教育技术杂志，18. 3。
引言近年来，人工智能 (AI) 和机器人重塑我们未来的潜力引起了公众、政府和学术界的广泛兴趣。与生活中的其他每个领域一样，高等教育 (HE) 也将受到影响，也许是深远的影响 (Bates 等人，2020 年；DeMartini 和 Benussi，2017 年)。高等教育必须适应教育，以教育人们在新经济中运作，并可能适应不同的生活方式。人工智能和机器人技术也可能会改变教育本身的运作方式，改变学习的本质、教师和研究人员的角色以及大学作为机构的工作方式。然而，由于多种原因，高等教育的潜在变化很难把握。原因之一是，正如 Clay (2018) 所说，影响“广泛而深刻”，但讨论它的研究文献却是孤立的。例如，教育人工智能和机器人技术就是独立的文献。教育人工智能、学习分析 (LA) 和教育数据挖掘也仍然是相对独立的领域。与学习相反，高等教育研究的应用，例如机器人科学家概念或文本和数据挖掘 (TDM)，通常也单独讨论。因此，如果我们想掌握潜在的
文章：Williams, CC orcid.org/0000-0002-3610-1933 和 Kayaoglu, A. (2020) 冠状病毒大流行和欧洲未申报经济：影响和
由于工作场所关闭和为“拉平曲线”而限制人员流动，冠状病毒大流行导致企业和工人收入损失。作为应对，政府向受影响的企业和工人提供了临时财政支持。本文评估了目前被排除在这种支持之外的群体，即未申报经济体中的企业和工人，以及政府可能采取的政策应对措施。为了确定涉案人员，报告了 2019 年欧洲晴雨表对欧洲未申报工作的调查。结果显示，每 132 名欧洲公民中就有 1 人完全依赖未申报的收入以及所涉及的行业和人口群体。鉴于他们的收入减少和无法获得临时财政支持，建议采取自愿披露举措，将未申报的企业和工人纳入申报经济体并纳入国家当局的监测范围，如果他们披露之前未申报的工作，即可获得这种临时财政支持。