XiaoMi-AI文件搜索系统
World File Search System人为因素
人为因素与人工智能：
摘要 本研究旨在关注人为因素和人工智能 (AI) 的当前特征和特点，提出一些关于未来信息安全的问题，以及我们是否可以通过改进机器学习和人工智能来避免人为错误，或者更多地投资于人类知识并以最佳方式将它们结合起来？这项工作代表了人类对信息安全行为的一些相关研究成果，具体说明了知识和态度等要素和因素，以及它们在 ISA (信息安全意识) 上的投入程度，然后介绍了一些关于人工智能的最新研究及其对进一步改进的贡献，使该领域更加安全先进，我们的目标是在网络安全领域开辟一种新的思维方式，我们希望我们利用软件安全中人类属性和精心构建的人工智能的各个优势点的建议将使未来的软件安全更好。 关键词：网络安全；ISA；软件安全；人工智能；人为因素。
航空安全与人为因素
本课程旨在为行业提供装备精良的毕业生，他们可以通过应用通过讲座和实践练习学到的技能和知识，真正持久地提高性能和安全性。本课程吸引了各种各样的学生，从民用和军事领域的航空专业人士到工程和社会科学学科的优秀毕业生。本课程由专门的安全和事故调查中心提供，该中心运营超过 30 年，为全球安全和调查提供支持，该课程的独特之处在于它将人为因素研究与安全和安全评估研究相结合，形成强大的组合，真正为应用航空和安全关键环境增加价值。它旨在为行业提供成功且装备精良的毕业生，他们可以通过应用在课程中学到的技能和知识，真正持久地提高性能和安全性。对人为因素和安全专业知识的需求继续成为航空业以及其他安全关键行业中不断增长的领域。安全关键系统除了需要卓越的工程技术外，还需要较高的人力绩效，以满足航空业的安全和业务要求。
人为因素 - 态势感知
态势感知可以描述为“对环境中具有时间和空间的元素的感知，对其含义的理解以及对其在不久的将来的状态的预测。” 态势感知的一个关键部分是了解在发生某些事件或必须采取行动之前还有多少时间可用。 对空间（元素有多远）的感知以及元素多久会产生影响在态势感知中起着重要作用。
人为因素设计研究协议
背景：用药指南包含重要的相互作用和副作用，内容广泛而复杂。由于信息详尽，患者无法记住必要的用药信息，这可能导致住院和不遵守用药规定。在理解患者管理复杂用药信息的认知方面存在差距。然而，技术和人工智能 (AI) 的进步使我们能够了解患者的认知过程，从而设计一款应用程序，更好地向患者提供重要的用药信息。目标：我们的目标是改进基于人工智能和人为因素的创新界面的设计，以支持患者理解用药信息，从而有可能提高用药依从性。方法：本研究有三个目标。目标 1 分为三个阶段：(1) 观察性研究，以了解患者对用药信息的恐惧和偏见的感知，(2) 眼动追踪研究，以了解用药信息的注意力中心，以及 (3) 心理不应期 (PRP) 范式研究，以了解功能。将收集观察数据，例如音频和视频记录、凝视映射和 PRP 时间。本研究将纳入总共 50 名患者，年龄在 18-65 岁之间，他们开始服用至少一种新药物（我们为其开发了可视化信息），并且在使用 TICS-M 测试和健康素养水平进行的认知筛查中认知状态为 34。在目标 2 中，我们将利用从目标 1 的每个组件获得的知识，以智能手机应用程序的形式迭代设计和评估一个由人工智能驱动的药物信息可视化界面。界面将通过两次可用性调查进行评估。总共将招募 300 名患有糖尿病、心血管疾病或精神健康障碍的 18-65 岁患者参加调查。调查数据将通过探索性因子分析进行分析。在目标 3 中，为了测试原型，将采用双臂研究设计。该目标将包括 900 名患者，年龄在 18-65 岁之间，可以上网，没有任何认知障碍，并且至少服用两种药物。患者将按顺序随机分配。将使用三项调查来评估药物信息理解的主要结果和 12 周时药物依从性的次要结果。结果：初步数据收集将于 2021 年进行，结果预计将于 2022 年公布。结论：这项研究将引领基于人工智能的创新数字界面设计的未来，并有助于提高药物理解，从而可能提高药物依从性。这项研究的结果也将开启未来的研究