XiaoMi-AI文件搜索系统
World File Search System九名
探究律师与人工智能之间的合作关系
并在使用我们的 AI 驱动系统训练和评估模型以从文档中提取信息时调整他们的行为。我们试图了解我们的用户如何发展和建立他们的本体感觉，1 这指的是我们的身体位置和自我运动的感觉，与我们的 AI 驱动系统有关。为了帮助奠定我们的故事的基础，我们使用了两个舞者和他们互动的激励例子，因为他们都必须发展这种感觉才能成功跳舞。通过对从我们的用户群体中抽取的九名参与者进行半结构化访谈，我们试图了解他们如何学习训练我们的系统，改进其有效性，以及他们的行为如何随着时间的推移而改变。首先，我们首先描述我们的参与者在日常工作流程中使用的底层系统，以便为系统的功能提供足够的背景信息。然后，我们概述了我们的研究方法、人口统计和半结构化访谈的编码实践。在对访谈进行编码后，我们详细描述了从编码过程中收集到的各种高级见解，并使用舞蹈隐喻来帮助巩固这些见解。特别是，我们关注参与者如何学习训练系统，使用系统的误报和漏报来指导改进，并利用他们对系统的理解开始改进他们的文档注释策略以适应系统的行为。根据这些观察，我们提出了人类和人工智能合作系统设计的意义。
为扩大能源社区而选拔新成员
摘要：能源社区是终端用户在以消费者为中心的背景下积极参与能源转型的关键推动因素。本文重点关注现有能源社区的扩展，这些社区可能需要在众多候选人中选择新成员。选择基于启发式方法，以提高可解释性，并从终端用户的角度促进透明的选择过程。通过精确的基于优化的能源管理策略进一步验证了所提出的方法。成员选择以迭代过程进行，其中最佳潜在候选人被添加为能源社区的新成员，然后在连续迭代中运行相同的过程。对一个由六所房屋和九名潜在候选人组成的真实社区进行了整整一个月的模拟。所提出的基于规则的方法在两个调查指标的候选人之间获得了相似的排名，并返回与更准确的优化相同的结果。此外，结果还提示了如何确定安装新资产的最佳位置（即成员），这些新资产可以对能源社区做出最大贡献，因为它可以提升候选人为社区带来的价值。从这个意义上来说，所提出的方法还可以作为投资决策支持工具以及能源社区居民的选择策略。
一种基于经验小波 SODP 和谱熵的新型麻醉深度评估指数
摘要 现代外科手术中麻醉是必不可少的，以确保患者安全并成功康复。麻醉深度 (DoA) 评估是一个重要且正在进行的研究领域，旨在确保患者在手术期间和术后的稳定性。这项研究通过开发一种基于脑电图 (EEG) 信号分析的新指数来解决当前 DoA 指数的局限性。采用经验小波变换 (EWT) 方法提取小波系数，然后进行统计分析。从小波系数中提取特征谱熵和二阶差异图。这些特征用于训练新指数 SSE DoA，利用具有线性核函数的支持向量机 (SVM)。新指数准确评估 DoA 以说明不同麻醉阶段之间的过渡。对九名患者和另外四名信号质量低的患者进行了测试。在我们测试的 9 名患者中，观察到与双谱 (BIS) 指数的平均相关性为 0.834。DoA 阶段转换分析显示 Choen's Kappa 为 0.809，表明一致性较高。关键词：麻醉深度、统计模型、经验小波变换、二阶差分图
如何引用 Ngozwana, NA (2025)。校长和教师对在儿童教育中使用技术的看法。教育政策研究
摘要 新冠疫情爆发后，儿童教育中科技的使用一直是一个热门话题。然而，农村学校往往位于偏远且相当欠发达的地区，缺乏资源和基础设施。本研究报告了校长和教师对在课堂上使用科技的看法，包括旨在改善儿童教育的设备。这项研究是在南非林波波省的四所农村学校进行的。研究采用现象学设计和定性方法来收集数据。研究对九名教师和四名校长进行了半结构化访谈。对数据进行了主题分析，这是一种更易于定性研究的分析形式。研究结果表明，在那些科技使用有限的学校，使用科技来改善沟通和儿童教育具有潜在的好处。此外，研究还发现，学校政策禁止学生在校园内使用科技，这成为在课堂上使用科技的障碍。该研究提出了一系列建议，旨在促进教育公平，提高学生成绩，并深化农村学校的师生家长学校关系。关键词儿童教育；农村学校；教师的看法；技术的使用。
商业智能，机器学习，深度学习和人造街
人工智能有望像所有领域一样在教育部门中产生根本性的变化。在这项研究中，它的目的是揭示教师对人工智能的看法以及人工智能在教育中作为演员的影响，他们将在教育中使用人工智能。在此框架内，该研究的模式被确定为在安纳托利亚中部一所大学教育学院的不同部门学习的九名教师。用描述性技术分析了半结构化访谈表中收集的数据。的发现表明，教师候选人通过归因于人类的特征来定义人工智能，对人工智能有虚假的概念，并不时将人工智能视为威胁。人工智能将对教育经济产生积极影响，但是教学专业和教育机构的意见面临着灭绝的危险，并且有人建议它将对学习产生负面影响。建议在教育，国家政策，人工智能教育，人工智能课程/课程中的模块和控制中准确有效地使用人工智能。在研究的局限性和发现的框架内，研究人员通过与不同利益相关者对教育的定性和定量研究来增加教育中人工智能的积累；另一方面，向从业人员提出了诸如建立国家政策文件和立法之类的建议。
垃圾贷款违约引发信贷紧缩担忧
Juul Labs Inc. 同意支付至少 4.385 亿美元，与 30 多个州达成和解，这是这家陷入困境的电子烟制造商为解决其向未成年人营销产品指控而采取的最新举措。康涅狄格州总检察长威廉·通 (William Tong) 在周二的新闻发布会上表示，根据该包括 33 个州和波多黎各在内的协议，Juul 被禁止在其营销中描绘 35 岁以下的人，在电影和电视中植入产品，在广告牌和社交媒体上做广告，销售 Juul 品牌商品，以及资助学校的教育项目。“他们不懈地向未成年人推销电子烟产品，”民主党人通先生说。他指出未成年人吸电子烟给家庭带来了沉重的负担。Juul 否认有不当行为，并表示已自愿停止该协议禁止其使用的营销和销售行为。该协议是在 2020 年由 39 个州开始的调查之后达成的。自去年以来，Juul 已同意向其他四个对该公司提起诉讼的州支付总计 8700 万美元的和解金，这些州包括路易斯安那州、亚利桑那州、北卡罗来纳州和华盛顿州。数千起针对 Juul 的其他诉讼正在审理中，其中包括由其他九名律师提起的案件 - PleaseturntopageA4
最终报告 - 加州公用事业委员会 - CA.gov
摘要 为响应 AB 327，CPUC 制定了两个计划，旨在确保弱势社区 (DAC) 内的低收入家庭有机会在可再生能源发电发展存在障碍的地区获得清洁能源产品。社区太阳能绿色电价 (CSGT) 和弱势社区绿色电价 (DAC-GT) 计划是基于绿色电价/共享可再生能源 (GTSR) 计划 (GTSR) 模型的一系列更广泛努力的一部分，这些努力侧重于低收入客户。虽然这两个计划都提供折扣“绿色”费率，但 DAC-GT 计划侧重于电网规模发电，而 CSGT 计划侧重于社区太阳能和劳动力发展。本次评估评估了计划的可评估性，开发了计划逻辑模型和指标，并评估了这两个计划的早期进展。在进行本研究时，没有安装新的地面钢项目，九名计划管理员获准实施一个或两个计划。早期发现包括太阳能开发商大多不知道投标机会，而那些知道的人则指出寻找合适的开发土地存在挑战。参与 DAC-GT 的客户表示迄今为止对该计划感到满意，并且对账单数据的审查证实，确实节省了账单，并且没有任何显著证据表明加入后能源使用量有所增加。
使用基于两个SEMG电极信号的机器学习评估手动分类性能
摘要：近年来，基于分类的肌电控制引起了极大的兴趣，导致具有先进功能的假肢手，例如多围手。到目前为止，通过增加表面肌电图（SEMG）电极的数量或添加其他感应机制来实现高分类精度。尽管许多规定的肌电手仍然采用两电极SEMG系统，但仍缺乏有关信号处理和分类性能的详细研究。在这项研究中，招募了九名健全的参与者执行六种典型的手动动作，使用Delsys Trigno Research+ Acquisition System从两个电极中获取了来自两个电极的SEMG信号。信号处理和机器学习算法，特别是线性判别分析（LDA），K-Nearest邻居（KNN）和支持向量机（SVM），用于研究分类精度。总体分类精度为93±2％，动作特异性精度为97±2％，F1得分为87±7％，与多电极系统报道的总体精度为87±7％。与LDA和KNN算法相比，使用SVM算法实现了最高精度。揭示了分类精度与特征数量之间的对数关系，这在五个特征上平稳。这些全面的发现可能有可能有助于具有两个SEMG电极的通常开处方的肌电手部系统的信号处理和机器学习策略，以进一步提高功能。
智能手机游戏控制的比较研究
数字技术改变了人类的行为，尤其是产品的特性及其与界面和交互相关的功能。智能手机用户不得不接受触摸屏界面，但没有足够的证据证明这些数字界面比物理模拟界面更有效。此外，智能手机游戏行业推出了带有触摸界面的手机游戏，这些游戏对游戏用户来说可能有效，也可能无效。本研究旨在通过两项可用性测试为智能手机游戏控制的模拟和数字界面之间的有效性寻找实证证据：（a）一项初步研究，比较六名参与者的直接和间接输入控制之间的数据值；（b）一项主要研究，从初步研究的结果中调查数字和模拟输入控制之间仅点击提供的影响。定性和定量研究方法都用于分析可用性测试。共有 81 名参与者参加了主要研究，并分为两大组，比较单手和双手输入控制。每组九名参与者玩基于不同输入控制任务的智能手机游戏。本研究发现，直接触摸屏交互对于双手输入控制任务更有效，而间接物理输入控制对于单手输入控制任务更有效。
脑电图神经活动的贝叶斯推断
摘要 脑机接口 (BCI) 是一种将大脑活动转化为操作技术命令的系统。脑电图 (EEG) BCI 的常见设计依赖于 P300 事件相关电位 (ERP) 的分类，这是一种由常见非目标刺激中罕见的目标刺激引起的反应。现有的 ERP 分类器很少直接探索神经活动的潜在机制。为此，我们对 P300 ERP-BCI 设计下的多通道真实 EEG 信号的概率分布进行了新颖的贝叶斯分析。我们的目标是识别神经活动的相关时空差异，这为 P300ERP 反应提供了统计证据，并有助于设计高效、准确的个性化 BCI。作为我们对单个参与者分析的一项重要发现，视觉皮层周围通道的目标 ERP 在刺激后约 200 毫秒达到负峰值的后验概率为 90%。我们的分析确定了 BCI 拼写器的五个重要通道（PO7、PO8、Oz、P4、Cz），从而实现了 100% 的预测准确率。从对其他九名参与者的分析中，我们一致地选择了确定的五个通道，并且选择频率对带通滤波器和内核超参数的微小变化具有稳健性。本文的补充材料可在线获取。