XiaoMi-AI文件搜索系统
World File Search Systempembelajaran
通过应用程序提高英语词汇量...
该服务采用培训的形式，使用人工智能（AI）聊天机器人来提高 SMPN 9 Palu 学生的词汇量。本次培训的目的是通过丰富英语词汇量来培养和发展培训参与者说英语的兴趣和创造力；将基于ICT（信息通信技术）的学习媒体引入课堂，即可用于发送英语数字信息的聊天机器人应用程序。此活动的目的是提高参与者的词汇量，以便能够很好地用英语交流；提供有关使用AI聊天机器人应用程序在英语学习中使用技术以及如何通过Android应用程序进行练习的程序性说明；通过独立学习为参与者提供便利。此外，此活动还磨练了参与者在用英语进行书面交流时创造和传达想法的技能。本次活动通过讲座、演示等方式开展。然后继续直接练习（动手练习）。演示和示例法涉及更多的解释和如何通过例子来证明某件事，或者换句话说，边做边学或边实践边学，强调在实践中学习，所以它不仅仅是理论。因此，培训参与者有机会练习使用人工智能聊天机器人。此外，学生们在服务团队和参与活动的学生的帮助下，创作了一篇用于英语会话的简短文本。这次培训的结果显示，所有的参与者都很热情、快乐、有动力，因为这个应用程序对参与者来说仍然很陌生。参与者也学会了如何使用这个应用程序，以便他们可以随时随地间接地进行自主学习。
调查学生定量...
摘要定量推理在数学教育领域具有重要作用。世界上许多数学教育者所拥有的主要目标是促进学生的心理能力与他们通过数学手段克服现实生活问题的能力之间的关系。这项工作的基本方面包括培养学生对数量的理解，尤其是与物体特征相关的数量。主要目标是授权学生利用其定量推理能力。在这项研究的背景下，定量推理显示了个人在识别，连接和制定新数量时使用的认知过程。代数是科学的学科，现在被广泛称为研究数学结构，关系和数量的学科之一。为了提高学生对代数的理解及其概括的能力，采用了特殊的学习方法。这项研究针对的是在Makassar的一所初中列出的女学生，并试图在概括的背景下研究其定量推理能力，同时考虑性别差距的潜力。为了实现这一目标，采用了定性方法，从而提供了有关学生在完成给定作业时所做的定量推理能力的见解。关键字：定量推理，概括和性别最后，这项研究的结果将提供全面的了解，以了解学生如何在概括过程中参与定量推理，其中包括连接数量，识别数量和制定新数量的阶段。
Cabaran Bagi Kepimpinan Dan Pengurusan Institusi Teknikal Dan Vokasional（TVET）Dalam Revolusi Perindustrian Keempat（IR 4.0）
本期刊文章研究了IR 4.0中TVET机构的领导和管理所面临的挑战。第四次工业革命（IR 4.0）导致了技术进步的前所未有的时代，重新定义了全球经济格局，并需要改变技术和职业机构（TVET）的领导和管理范式。在IR 4.0时代，TVET机构正处于变革性的浪潮中间，他们不得不弥合传统技能与不断增长的行业需求之间的差距。面对IR 4.0的20条期刊，用于确定TVET的领导力和管理面临的挑战的系统文献综述的结果。领导者面临重新定义课程，纳入新兴技术并培养教职员工和学生适应文化的艰巨任务。与不断变化的行业需求协调教育目标的压力迅速提供了重大的管理挑战，这需要积极的课程发展策略，并提高技能。此外，引入自动化，人工智能和数字化对TVET机构的领导和管理提出了挑战，以确保技术教育的相关性。最新基础架构，高级实验室和与行业相关的培训设施的要求需要战略性的财务计划和资源分配。此外，IR 4.0的出现还需要对TVET机构进行教学方法的重新评估。技术在教学法中的整合需要教师发展计划，需要过渡到领导方法，以促进持续的学习文化。结果还发现，这对TVET领导者来说很重要
空中交通管制 (ATC) 的脑力工作量...
从22×8螺旋桨（弦长4.5cm）的测试设备上的误差对比结果来看，误差差最大为7.143%，最小为2.663%，平均误差为4.178%。 22×8螺旋桨（5cm弦）最大误差差为8.824%，最小误差为1.893%，平均误差为3.719%。 4 结论 已对 dle-55cc 发动机推力进行了计算和测试。然后通过比较静态推力计算器值和已进行的测试设备测试数据来验证获得的发动机测试结果，然后查找所使用的燃油消耗值。将测得的推力结果与静态推力计算器值进行比较，得到平均差值。从测试设备上的误差比较来看，22×8螺旋桨（弦长4.5cm）得到的平均误差为4.178%。同时，产生的22×8螺旋桨（5cm弦）误差为3.719%，获得的燃油消耗值为588,600-20,708（N/kW.hr），这显示出良好的降低水平，因此所使用的发动机更加高效。在使用中。从测试结果来看，该发动机试验台具有准确性，能够产生良好的发动机性能，可作为测试和其他学习工具。参考文献 [1] Arismunandar, W. 2002。 “燃气轮机和推进电机简介”。万隆：ITB。 [2] 安德烈·德索萨. 2017.“无人机推进试验台开发
学术学生实施机器学习算法
抽象教育是改变知识的一种方式，以便人类能够发展潜力。教育鼓励每个人发展并适应不断变化的时代，例如技术领域的进步。学生的学习成绩是成功管理学习计划的关键指标。学术绩效检测可以帮助研究计划经理监视并对有可能遇到困难的学生采取积极行动。机器学习可以是通过帮助分类和检测学生学术能力来克服这一挑战的解决方案。机器学习技术已被证明非常有效地分析复杂的数据并揭示了人们难以检测的隐藏模式。本研究旨在探索在检测学生学业表现的机器学习算法的实施，尤其是在NIAS大学数学教育研究计划中。随着技术进步，机器学习已被证明在分类数据和检测传统方法无法识别的隐藏模式方面有效。本研究使用支持向量机（SVM）算法根据从学生主要数据中收集的数据集来预测学生的学习成绩。数据集包括各种因素，例如GPA值，出勤，参与和学习资源的使用。在要使用的方法中，将使用调查表收集数据，其中有许多受访者多达193人。已收集的数据将使用SVM处理，以在预测学生的学习成绩中获得结果。分析结果表明，使用的SVM模型的精度为77.59％，在学业表现良好的学生班级中的偏见更加倾向。这项研究的结果有望在开发更有效的学习方法和对三级机构的学术干预的个性化方面做出实际贡献。关键字：机器学习，学业表现和支持向量机
PDP-A 研究中人工智能 (AI) 应用的使用
人工智能是一场革命。它在各个领域的发展被视为一种优势，即机器或技术可以像人类思维一样行事。在教学（PdP）领域，基于人工智能（AI）的系统已被广泛应用，以提高教育质量。本文旨在从文献综述的角度评估人工智能应用在教育领域的使用情况。我们还希望通过了解 PdP 对使用该应用程序的教师和学生的有效性和益处来提高 PdP 的质量。还谈到了教师在教学方面和学生在学习方面面临的挑战，包括政府对实施人工智能技术的支持。这篇概念性论文将全面概述与 PdP 中使用的人工智能应用相关的现有研究论文。对未来的影响以及对未来详细研究的建议。人工智能 人工智能（Artificial Intelligence）的历史始于20世纪40年代。Warren McCulloch 和 Walter Pitts (1943) 建立了人工神经元模型来研究大脑神经元的心理基础和功能。20 世纪 50 年代初，Clude Shannon (1950) 和 Alan Turing (1953) 制作了国际象棋游戏程序。普林斯顿大学数学系毕业生 Marvin Minsky 和 Dean Edmonds (1951) 建造了第一台网络计算机，称为 SNARC。由此可见，自动机理论、神经网络和智力研究是普林斯顿大学毕业生约翰·麦卡锡 (John McCarthy) 研究的领域，他在达特茅斯学院继续深造。“人工智能”一词源于约翰·麦卡锡的思想，于1956年的一次学术会议上诞生，并沿用至今。[1] “人工智能”有多种解释或定义。Stuart J. Russell 将其定义为一个寻求构建智力实体并同时理解它的系统。人工智能的基础由哲学、数学、心理学、计算机工程甚至语言组成[1]。Ronal Chandra 的著作《人工智能定义：回顾》总结称，人工智能可以定义为机器像人类一样思考的能力 [2]。Stefan A. D. Popenici 和 Sharon Kerr 将人工智能定义为模仿人类特征的系统，例如学习、适应情况、综合、纠正错误以及使用数据处理复杂任务 [3]。