© 作者 2022。这是作者的作品版本。它发布在这里供您个人使用。不得重新分发。最终版本的记录发表于 Murray-Smith, R. , Oulasvirta, A., Howes, A., Müller, J., Ikkala, A., Bachinski, M., Fleig, A., Fischer, F. 和 Klar, M. (2022) 模拟可以为 HCI 研究做些什么。交互作用,29(6),第 48-53 页。(doi:10.1145/3564038)
摘要 目的 探讨代谢健康性超重(MHOW)和/或代谢健康性肥胖(MHO)是否会增加中国各年龄段人群的高血糖风险。设计 回顾性队列研究。设置 对DATADRYAD数据库的数据进行二次分析,该数据库包含2010年至2016年中国32个地区和11个城市参与者的健康检查记录。参与者 共入选47 391名代谢健康、均无任何代谢异常的参与者。结果测量 高血糖包括新发糖尿病和空腹血糖受损(IFG)。糖尿病诊断为空腹血糖≥7.0 mmol/L,且有典型临床症状和/或在随访期间自我报告。IFG的空腹血糖水平为5.6至6.9 mmol/L。结果 平均随访3.06年,5274人(11.13%)在144 804人年中出现高血糖症,发病率为36.42/1000人年。调整模型显示,与代谢健康的正常体重组相比,MHOW组(HR=1.23,95% CIs 1.16~1.30)和MHO组(HR=1.49,95% CI 1.33~1.67)发生高血糖症的风险较高。体质指数每增加1个单位,高血糖症风险增加6%(HR=1.06,95% CI 1.04~1.07)。分层分析和交互作用检验显示关联的稳健性,且女性的关联更强(交互作用p值<0.001)。结论 MHOW 和 MHO 表型与该人群的高血糖风险呈正相关,并且在女性中这种关联尤其强。
交互作用,这与从数据集收集的数据信息一致。这表明本文构建的最佳模型可以准确地用于DTI的定性预测。但是,如图5和图6,占| D |的百分之八十分配为1.5-2.0。差异范围在2.0之内,为98.95%(EC50)96.63%(kd)| D |分别。这表明预测值和实验值之间存在误差。对预测和实验数据的进一步比较表明,所有预测值都大于实验真实值,并且在一定的误差范围内。原因可能是由于用于将数据存储在不同数据库中的不同标准而导致的系统错误。可以用校正因子设置该案例 - 所有差异的平均值
对身体残障人士对辅助技术的需求不断增长,导致人类计算机相互作用(HCI)的显着进步。眼目光跟踪是一种有希望的输入方式,它提供了一种非侵入性和直观的方式来增强可访问性和交互作用。本文介绍了IALERT,这是一种创新的基于眼神的警报系统,旨在为具有有限的机动性或沟通能力的个人提供及时的帮助。通过分析眼动,IALERT旨在检测用户意图并触发适当的响应,从而促进改善与环境的互动,增强安全性并在日常任务中提供实时帮助。该系统具有改善身体障碍,老年人以及需要辅助技术的人的生活质量的巨大潜力。
这是农林业中树土壤杂交相互作用的一般模型的第三个版本。尽管已经努力将相关的过程知识纳入一系列交互作用,但模型并不比研究工具更多(而不是更少)。模型预测可能有助于开发用于研究的特定假设,探索潜在的管理选项和外推域,但不应将其用作权威性陈述本身。©正确,但不要复制错误。Wanulcas模型是基于国际农业验证研究中心(ICRAF)的公共资助研究而开发的,可用于非商业研究目的,以实现世界上的小农户农业库。使用的Stella建模壳受到国际版权保护。
抽象项目的约束在时间,成本,客户满意度,投资回报率方面不断增长……他们在复杂性,利益相关者的数量,管理参数的数量以及这些参数之间的交互作用数量也在增长。在过去的15年中,项目管理社区表现出对用于评估和改善项目管理成熟度的方法论的兴趣。许多组织一直在研究这个问题,并开发了各种项目管理成熟模型。在本文中,我们介绍了法国汽车组织PSA PeugeotCitroën的项目成熟度研究。目的是了解和解释在组织中使用成熟模型作为项目成功的关键因素的重要性。我们解释了项目成熟度的度量如何通过使用关键成熟度指标(KMI)来改善项目控制。
有机分子与纳米级腔的真空场的强耦合可用于修饰其化学和物理性质。我们扩展了分子集合的Tavis – Cummings模型,并表明,静态偶极矩和偶极子自我能量产生的经常被忽视的相互作用术语对于正确描述了极化化学中的光 - 肌肉交互作用至关重要。在完整的量子描述的基础上,我们模拟了MGH +分子的激发态动力学和光谱,并共偶联与光腔。我们表明,对于获得一致的模型来说,必须包含静态偶极矩和偶极子自我能量。我们构建了一种有效的两级系统方法,该方法重现了真实分子系统的主要特征,可用于模拟较大的分子集合。
在为社交机器人设计自然语言互动时,不足以设计对话本身:人类机器人互动的成功也可能受到看似很小的因素(例如机器人的外观和非语言行为)的显着影响。在本文中,我们将相同的聊天机器人系统部署到两个不同的机器人,即Furhat和Pepper上,并比较用户对与两个机器人的对话的主观响应,以清楚地衡量机器人外观对交互作用的影响,当时交互作用保持恒定。这项研究的结果有所不同:认为Furhat比胡椒更好地表现出情感,更聪明,更值得信赖,而两个机器人都被认为同样友好。在可爱性和舒适性类别中没有发现显着差异。