墨西哥的德拉斯·阿米里卡斯大学摘要本文介绍了关于墨西哥第一个Covid-19锁定成年人梦想的原始研究。受试者经历了一系列深入的临床访谈,他们被要求分享他们的最新梦想,然后在与面试官对话中探索梦想形象,以通过分析性的对话过程找到含义。通过访谈收集数据后,作者开始使用叙事方法并扎根理论来处理发现。本文的基本目标是探索对梦想的定性探索比其他梦想分析方法提供的优势。文章提出,定性方法可以在不推广的情况下验证梦想家的经验。这将梦想研究的重点从类别的描述转变为与参与者的含义的共同创建。此外,它构成了探索和理解基本梦想图像的情感和/或认知冲突的初步尝试,而不是简单地提及梦想内容中的重复元素。关键词:梦,covid-19,梦想研究,分析心理学,主观性,定性研究。
摘要 这篇评论反思了 Leszczynski 和 Elwood 的故障认识论理论,主张从认识论的角度研究地理学中的(人工智能)问题,重点关注感知、遭遇和主观性。这种方法否认了以人工智能或其他“智能”形式推销的技术所具有的本体论地位,而是研究如何在与始终存在差异和不断区分的主体的偶然和情境遭遇中将特定技术视为智能。故障和相关的认识论方法将注意力重新转向对特定类型技术的欲望和期望的不均衡生产,并创造机会从根本上重新构想我们与它们的关系。
摘要 本文反思了赋予人工智能(AI)法律主观性的问题,特别是在民法方面。有必要拒绝法律主观性的标准是感知和理性的神话。认为人工智能可能具有基于与动物或法人的类比的潜在法律主观性,这表明存在一个单一的层级或实体序列,这些实体根据其与人类的相似程度进行组织;此外,实体在这个层级中的位置决定了赋予它的主观性范围。相反,无论扮演什么角色,参与或存在于社会生活中才是主观性的真正标准。此外,很明显,即使人工智能目前不是社会生活的重要参与者,在不久的将来也会成为重要参与者。尽管赋予人工智能某种主观性存在潜在危险,但这种做法是不可避免的,应该尽早考虑。
本文介绍了研究,研究了在俄罗斯公共政策在线空间中在线社区的政治主观性的潜力。该研究的经验对象是以行动为导向的社区,充当具有复杂身份和价值观的混合网络实体,使他们能够保持稳定的互动并成为真正的政治行动的基础。作者确定了在线社区和政治主观性概况的运营特征,并挑出社会歧视,公民歧视,协作,社会积极主动和政治积极主动的类型。对数据的解释使作者能够评估这些社区在在线和离线政治中实现其主观性的潜力以及其管理的技术能力。关键字
抽象的人类经历是复杂而主观的。这种主观性以人们标记机器视觉模型标记图像的方式反映了。经常假定注释任务可以提供客观的结果,但该假设不允许人类经验的主观性。本文研究了主观人类判断在标记用于训练机器视觉模型的图像的行为任务中的含义。我们确定了歧义的三个主要来源:(1)图像中标签的描述可能简单地模棱两可,(2)评估者的背景和经验可以影响其判断力,以及(3)定义标签任务的方式也可能会影响评级者的判断。通过采取步骤解决这些歧义来源,我们可以创建更健壮和可靠的机器视觉模型。
F-35 透明度的光学检查和评估具有高度主观性,取决于单个操作员检测和描述缺陷的能力。这种主观性导致的流程变化会对持续向最终用户提供优质产品的能力产生负面影响,并且需要多次重复检查步骤以防止不合格单元漏出。需要一种可靠且经济有效的方法来客观地量化和评估光学缺陷,以消除操作员对检查过程的敏感性并降低总检查成本。如果 F-35 社区接受这种方法,它将消除从制造点、框架、安装准备到飞行员在机评估的多次检查。通过减少劳动力以及下游拒收造成的成本和计划中断,可以在整个价值流中实现可观的节省。
摘要 组织商业价值的战略一致性对于成功至关重要,需要与流程模型无缝集成以有效推进战略目标。本研究解决了流程模型偏离基本商业价值导致与组织使命脱节的挑战。通过验证交换商业价值的图形表示,本研究提出了一种审查 BPMN 流程模型中价值规范的方法。由于商业价值感知具有主观性和无形性,受质量、价格和情感因素等因素的影响,因此使用模糊逻辑解决了衡量商业价值感知的障碍。通过这种方式,该研究旨在减轻主观性和模糊性,更准确地理解利益相关者的价值感知。该分析旨在确定感知价值与 BPMN 模型中指定的价值之间的一致性,以与组织目标保持稳健一致。
摘要:我们认为,种类的根本差异阻碍了主观体验被简化为神经现象。然而,可以将主观体验定量地简化为更小的主观性单位,同时将神经过程简化为更基本的神经事件。原现象被呈现为与最小的主观性单位相对应的理论实体。原现象在数量上是简单的,在意识中仅具有一定程度的存在,但通过与其他原现象的联系凝聚成主观复杂的感质。我们讨论了意识体验的结构如何从原现象的相互关系中产生,并将原现象方法应用于一些传统难题,例如倒置色谱。最后,我们推测了原现象理论对非生物意识和基础物理学的影响。
当代文化是由信息技术(尤其是人工整体应用程序)塑造的。本文的目标之一是分析艺术实践如何将机器学习算法用作种族抵抗。此外,要从黑匣子中删除这些应用程序如何通过关联艺术家面临的技术过程来工作。它将分析围绕人工智能的美学和叙事感知,创建数据集的种族主义来训练这些算法以及人工智能为重新考虑诸如智能和想象力等概念的可能性。这项研究是由人类主义的主观性构成的,后者的主观性利用批判性的想象力质疑人类的经典和以欧洲为中心的定义,以此作为对我们周围事物的衡量。最后,我将描述当代艺术家琳达·杜尼亚(Linda Dounia)的工作,以及她兴趣将她作为塞内加尔女性的经验纳入培训生成性的对抗网络模型,以反思她的身份。