肿瘤坏死因子 (TNF) 受体相关因子 (TRAF) 是一个在免疫信号传导中发挥关键作用的蛋白质家族 [1,2]。据报道,TRAF 与几个受体家族相关,例如 TNF 超家族、Toll 样受体 (TLR)、RIG-I 样受体 (RLR)、NOD 样受体 (NLR) 和细胞因子受体,以调节信号传导 [1]。支架泛素链的组装是这些途径的共同特征,TRAF 被广泛认为在调节它们的形成中发挥作用 [3,4]。鉴于 TRAF 在免疫信号传导中的重要性,TRAF 功能中断与疾病(包括癌症和炎症性疾病)的发展有关也就不足为奇了 [2,5,6]。例如,TRAF6 的过度表达与胃癌和胶质母细胞瘤患者的肿瘤形成和不良预后有关 [7,8],而
因此,随着美国经济继续发出混杂信号,消费者也在做同样的事情,这也就不足为奇了。根据我们最新的美国消费者脉搏调查结果,他们担心物价上涨和工作保障,但他们仍然保持乐观并继续消费。他们正在转向较便宜的品牌以节省资金,但他们也愿意在某些商品和服务上挥霍。自新冠疫情爆发三年以来,一些疫情前的购物习惯已强势回归,但其他由疫情引发的新消费变化似乎仍将持续下去。这种情况可能令人困惑。塞西莉亚·劳斯曾担任白宫经济顾问委员会主席,任期至 2023 年 3 月底,她最近告诉《纽约时报》,“过去几年里,我有时希望我的博士学位是心理学的”,而不是经济学的。1
随着印度太阳能光伏装置的不断增长和可再生能源容量的进一步增加,再加上诱人的电动汽车业务,电池储能系统 (BESS) 背后的原理必将在该国家得到加强和积聚势头。储能市场已经取得持续增长,预计将蓬勃发展,近期市场规模接近 1600 亿美元,到 2030 年将进一步增长到 3000 亿美元。有趣的是,在整个储能市场中,BESS 将占全球份额的 50% 以上。在印度也不例外,而且它在该国的份额可能达到 70-75% 也就不足为奇了。话虽如此,由于印度的 BESS 仍处于起步阶段,但仍需要某些推动因素来获得发展势头并释放其在该国的整个市场潜力,因为它的应用将带来巨大的好处。
抛开市场噪音,人工智能是数十年来的大趋势。考虑到人工智能仍处于起步阶段,在人工智能最初的炒作背后出现健康的怀疑态度也就不足为奇了。尽管如此,关注人工智能的长期发展轨迹和跑道仍然很重要。在星展银行首席投资官办公室,我们基于人工智能的深刻变革性质,对技术领域及其相关表现保持结构性和长期看涨态度。我们相信,人工智能的商业化将带来众多盈利机会,并推动各个行业和垂直行业的盈利增长和股东回报。从业绩来看,大型科技公司(以 NYFANG 指数为代表)和更广泛的美国科技行业今年迄今仍上涨 35% 和 32%,这表明投资者对科技行业及其与人工智能相关的前景仍然保持健康的乐观态度。
领导力和战略的质量被广泛视为保持和提高竞争绩效的关键。Ireland 和 Hitt (1999) 雄辩地总结了这种关系,指出“有效领导者制定和部署战略行动可带来战略竞争力和高于平均水平的回报”。战略与绩效之间的关系在文献中得到了广泛关注。例如,Schwenk 和 Shrader (1993) 对现有研究进行了荟萃分析,发现战略与增长呈正相关。但这意味着什么,又是什么推动了战略的有效性?可以说,成功源于以正确的方式处理战略过程,无论是从制定角度还是部署角度。因此,领导力在战略有效性中发挥着重要作用。因此,关于领导力及其对战略和绩效影响的文献非常丰富也就不足为奇了。事实上,
过渡到成年期,我们传统上称为青春期的童年与成年之间的阶段已经在意义上快速发展。自从埃里克·埃里克森(Erik Erikson)开创性的工作以来,我们对使青少年的定义有所改变。青春期的边界已经较早地推了,在过去的二十年中,青春期的率下降了10岁以下的女孩,并将严重的脑研究人员扩展到25岁,甚至30岁。随着青春期可能从7岁扩大到20岁以上的年龄差距,青春期的统一结构有麻烦也就不足为奇了。本文介绍了我们现代构想和对新兴成年的理解奠定了基础的基础研究,这与青少年和全成年有所不同。它将回顾该领域的当前思维,并介绍一个发展过程理论(DPT),该理论揭示了我们成年后不断发展的积极性,并讨论了该领域进一步研究和增长的途径。
精益制造业在电子行业继续受到极大关注。成功培养了模仿者,因此公司想向世界上最成功的公司之一,也是Lean公认的领导者丰田学习的公司,这也就不足为奇了。这个概念很简单:精益制造业就是成功地以更少的库存,减少浪费,更少的时间来成功运营您的业务。丰田生产系统的创始人太极拳Ohno这样说:“我们所做的只是在客户向我们收取现金时订单的那一刻起的时间表。。太极拳Ohno这样说:“我们所做的只是在客户向我们收取现金时订单的那一刻起的时间表。,我们通过删除非价值添加的废物来减少时间表。”电子公司想要同一件事是很自然的您如何到达那里还有另一个问题。在接下来的几段中,我们概述了电子行业中注意到的一些常见错误或误解。
生成式人工智能或大型语言模型 (LLM) 是可用于创建新内容的系统,包括音频、代码、图像、文本、模拟、语音和视频 (McKinsey & Company, 2023)。尽管使用这些模型的工具随着 2022 年 11 月 ChatGPT 的公开发布而引起了大多数人的注意,但生成式人工智能工具一段时间以来一直在支持和增强社会中现有的任务执行方式,并扩展人类的能力并开辟新的可能性。生成式人工智能工具的随时可用带来了具有深远影响的社会颠覆。鉴于该技术在我们生活的各个方面的重要性和潜力,这些影响自然也包括学术界。鉴于学术界的多样性,专家和思想领袖对其对高等教育教学和学习的潜在影响意见不一也就不足为奇了。
面对快速的技术变化和挑战(例如来自新兴市场的挑战),当今的组织必须快速适应以保持或在理想情况下提高其效率。在此范围内,创新的开发和采用已成为组织生产力、竞争力和寿命的关键决定因素。因此,大量研究工作集中在促进或阻碍创新开发和实施的变量上也就不足为奇了(Howell 和 Higgins 1990)。本章的目的和范围是概述现有的关于工作场所创新和创造力的研究成果,因为这些成果与荷兰政府促进创新的潜在政策有关。由于许多应用研究源自组织心理学和管理科学学科,因此这些学科必然构成本章采用的主要理论视角。鉴于这一学科背景,本章详细考虑了与工作场所中的创造力和创新有关的两个特定的“分析层次”:(1)个人创造力和工作角色创新;(2)工作组创造力和团队层面的创新。