XiaoMi-AI文件搜索系统
World File Search System交叉性
交叉性：基础与前沿读本
本身有很多起源。在开展这个项目的过程中，我咨询了朋友和同事，他们为如何创作一本关于交叉性的好书提供了宝贵的建议。我希望有一天能回报他们巨大的恩惠（特别是）：Christine Muller、Amelia Wong、Justin Maher、Dan Greene、Clare Jen、Mel Michelle Lewis，以及一如既往的我亲爱的 Emily Mann。Sheri Parks 和 Laura Mamo 在整个过程中都继续扮演导师的角色，我仍然感谢他们在智力和情感上的慷慨。在我担任初级教职员工的艰难头几年里，亚利桑那州立大学的朋友们给了我善意、支持和启发；我特别感谢 Jacquie Scott、John Lynch、Wendy Cheng、Aviva Dove-Viebahn、Chris Callahan、Breanne Fahs、Mary Ingram-Waters、John Parker、Hilary Harp 和我的搞笑伙伴 Jenny（“Ryan”）Brian。在社会学和心理学的大团体中，有无数其他同事影响了我对这本书的思考和感受，例如 Jackie Orr、Ruth Zambrana、Kelly Joyce、Jyoti Puri、C. J.
贫困与不平等委员会交叉性战略
在建立下一个经验丰富的专家小组并扩大与经验丰富的专家的合作时，我们将明确采取交叉方法，并继续努力重新分配权力。我们将确定代表或参与特定重叠不平等的个人的关键社区组织，并与他们合作邀请申请加入我们的新小组。我们将努力确保小组成员更多地代表经历多重边缘化的人。我们将继续通过交叉性培训和技能建设来提高小组的能力，努力创造一个空间，让小组成员能够感到能够和安全地分享他们在加剧不平等方面的经历，并能够考虑这对采取行动解决贫困意味着什么。
人工智能的交叉性：提出关切和行动建议
尽管女性在 AI 领导岗位上的能力更强，即受教育程度高于男性。尽管如此，女性在 LinkedIn 上自我报告的技能低于男性，并且在在线数据科学平台上的活跃度也较低。
平等，多样性，包容和交叉性策略2021-2024
平等，多样性和包容性不仅仅是履行法律义务。该小组渴望以每天工作方式对其人民的生活产生积极影响，以尊严和尊重的对待所有人，并认识到每个人的价值是社区的独特成员，无论他们是学生，员工，承包商还是访客。学院具有清晰的愿景和一组核心价值观，使其能够承诺消除不平等的待遇，为所有人提供机会平等，并促进整个组织中不同人之间的良好关系。
杂种中微型玫瑰的交叉性以及定量和定性性状
盆栽微型玫瑰是流行的室内装饰植物。由于消费者的需求，每年都会将不同的品种引入市场。最广泛使用的用于开发盆栽缩影的方法是交叉育种。研究了六个不同的流行锅微型玫瑰，作为女父母，罗莎·奇异果（Rosa Centifolia）和黑人巴克卡拉（Backa Baccara）作为男性父母以及190个f 1杂种，以确定可交叉性和杂种效应的程度以及用于确定微型玫瑰繁殖潜力的几种定量和定性性状的杂种效应。花粉生存能力和花粉发芽率的百分比分别在48.61％和61.27％和23.26％和32.19％之间。所有品种在水果集，果实的重量，总组，种子的重量，每种水果的种子数量和种子发芽率之间表现出很强的相关性。品种罗莎·怀特（Rosa White Star）作为女性父母，表现出良好的果实和交叉成功，而胡安妮塔·科尔达娜（Juanita Kordana）的交叉成功率很差。穿越后的最大设置是Rosa White Star×R。Centifolia，占水果的75％，132个总种子和0.68 g的种子重量。从Rosa Bling Love Star×R.Centifolia获得的每种水果种子数量最多（12.63），红色浪漫×黑色Baccara的种子速率最大发芽（48％）。杂产和杂种的潜力各不相同，并且在F 1后代之间的各种定性和定量性状方面表现出对比度的表现。通过基于表型变异的聚类分析将父母和F 1杂种分为三组。
在放射学中实现公平性的道德要求：交叉性和社会嵌入方式
哈佛医学院通过机器学习（ML）系统的攻击性诊断系统通常被认为是客观且公平的。但是，它可能对某些患者亚组表现出偏见。造成这种情况的典型原因是ML系统筛查的疾病特征的选择，ML系统从人类临床判断中学习，这些判断通常是有偏见的，并且ML中的公平性通常被不当概念化为“平等”。具有此类参数的ML系统无法准确诊断并满足患者的实际健康需求以及他们如何依赖患者的社会身份（即交叉性）和更广泛的社会条件（即嵌入）。本文探讨了鉴于患者的交叉性和健康的社会嵌入性，以确保ML系统的公平性的道德义务。本文提出了一组干预措施来解决这些问题。它建议对ML系统的发展进行范式转移，使他们能够筛查内源性疾病原因和患者相关潜在的健康影响（例如社会经济的情况。本文提出了一个道德要求的框架，以建立这一转变并进一步确保公平。关键字：机器学习；公平正义;道德要求；放射学I型机器学习（ML）系统在临床护理环境中发现了在医疗保健监测，诊断和风险管理中的应用（Bates＆Zimlichman，2015; Chen等，2024; Obermeyer等，2019）。但是，此光环可能没有完全合理。需求集中患者的交叉性和健康的社会嵌入性，最值得注意的是（i）通过（i）整合到ML系统中，适用于患者情况对健康影响的可测量医学指标，（ii）在道德上，多样性，代表性和正确的患者数据，与相关的疾病特征和（III）相关的社会敏感性和（III）涉及的疾病以及（III）的敏感性和（iii）涉及的数据，以及涉及的研究，并涉及社会敏感的系统，并将其涉及互联网互动，并将其涉及互联网效果。利益相关者。在放射学中，ML系统用于协助或增强临床医生在各种图像获取，分析，解释，诊断和决策支持任务中的工作（Hanneman等，2024； Yu等，2024）。这种更广泛采用的主要驱动力似乎是ML系统在图像解释和精确方面的表现（Pot等，2021; Satariano等，2023; Yu等，2024）。所谓的“自动化偏见” - 人类对自动化系统产生的信息的有效性和预测能力的倾向”（Pot等，2021，p。7） - 赋予了ML ML系统，具有对象和公平性的AURA（Pot等，20211）。对实现这些高希望的主要挑战已被证明是ML偏见系统和相关不公平结果的流行（Gichoya等，2022，2023; Hanneman等，2024; Pot et al。，2021）。ML偏见的医疗保健访问和治疗不足，引起了ML系统引起或永久存在的整体不公平性的道德问题。实证研究已系统地记录了ML偏见系统的持久性和对历史上服务不足的患者人群的不公平治疗，包括放射学（Obermeyer等，2019; Gichoya et al。，2023; Seyyed-Kalantari-Kalantari-Kalantari-Kalantari et al。等，2022； Mukherjee等人，2022年）。
交叉口：变更的经验，观点和视野
第65版的发展对话卷“交叉性：变化的经验，观点和视野”并不是作为“如何指导”的指导，也不是对交叉性概念进步的学术分析。它也不旨在规定应用交叉性的特定方法。 相反，我们与本出版物的意图是为联合国系统，民间社会和捐助者圈子中的精选演员提供一个平台，以强调他们在实际上将其应用于许多人的经验和方法，仍然是一个崇高而抽象的概念。 我们努力通过对话和培训来支持联合国内部的持续努力，以促进包容性的可持续发展和和平，并探讨有关歧视和不平等的深层结构和系统性问题。它也不旨在规定应用交叉性的特定方法。相反，我们与本出版物的意图是为联合国系统，民间社会和捐助者圈子中的精选演员提供一个平台，以强调他们在实际上将其应用于许多人的经验和方法，仍然是一个崇高而抽象的概念。我们努力通过对话和培训来支持联合国内部的持续努力，以促进包容性的可持续发展和和平，并探讨有关歧视和不平等的深层结构和系统性问题。
苏格兰的仇恨犯罪策略
讨厌犯罪可以针对特定人或整个团体。您不必成为目标群体的成员即可成为仇恨犯罪的受害者，因为法律适用于某人对您的身份的信念，即使这是不正确的。它也适用于基于与特定组的关联的犯罪。有些人将属于或认同多个受保护的群体。对于某些人来说，特征的结合将意味着他们以特定的方式经历仇恨犯罪 - 所谓的交叉性。交叉性会严重影响人们遇到仇恨犯罪的方式。
体育锻炼和健康杂志 - 人动力学
了解健康不平等对于改善社会正义至关重要。交叉性是指研究多种社会分类的交集的理论框架，这些框架会产生独特的经验和相关的社会不平等。目前，体育活动领域的大多数交叉研究具有定性设计。因此，需要定量的交叉研究。该评论旨在探索阻碍交叉定量研究的主要障碍，并为克服体育活动研究中的这些障碍提供建议。在评论中，我们讨论了缺乏大规模和多样化数据集的可访问性，以及次优的社会分类和与交叉性相关的问题可能导致该领域的交叉量化研究的稀缺性。为了促进交叉定量分析，我们主张制作大规模数据集，以用于交点二次分析，不同的采样，标准化的问题和类别，与交叉性相关，促进包容性的研究设计和方法，以及使用相同的每个子组经验的适当问题和社交分类。通过解决这些挑战，研究人员可能会获得对健康差异的新见解，从而使体育活动研究更具包容性，并为更公平的健康成果做出贡献。
