XiaoMi-AI文件搜索系统
World File Search System元认知
2024年的神经符号AI：系统评价
抽象背景：人工智能领域经历了周期性的生长和衰落时期，称为AI夏季和冬季。目前，我们处于第三个AI夏季，其特征是显着的进步和商业化，特别是在符号AI和亚符号AI的整合中，导致神经符号AI的出现。贡献：（1）神经符号AI中元认知的定义。（2）在2020 - 2024年的神经符号研究爆炸之后对文献的关键主题进行了回顾。（3）识别神经符号AI目标文献中当前差距：本文提供了2020-24 AI景观中神经符号AI项目的系统文献综述，突出了关键的发展，方法论和应用。它旨在确定在2024年将高质量的努力集中在哪里，并查明该领域现有的研究差距。方法：审查遵循Prisma方法论，利用IEEE Explore，Google Scholar，Arxiv，ACM和Springerlink等数据库。纳入标准针对2020年至2024年之间发表的同行评审论文。论文与神经符号AI相关，并根据相关代码库的可用性进一步包含以确保可重复性。结果：从1,428篇论文的初始库中，有167个符合纳入标准，并详细分析。大多数研究工作集中在学习和推理领域（63％），逻辑和推理（35％）和知识表示（44％）。解释性和可信赖性的代表性较小（28％），元认知是探索最少的区域（5％）。评论确定了重要的跨学科机会，尤其是在将解释性和可信度与其他研究领域相结合时。讨论：这些发现揭示了学习和推理，逻辑和推理以及知识代表方面的全面工作。但是，研究的重点是解释性和可信度，这对于部署可靠的AI系统至关重要。元认知的稀疏表示强调了需要进一步研究以开发框架，使AI系统能够自我监测，评估和调整其过程，从而增强自主性和适应性。结论：自2020年以来，神经符号AI研究的迅速增长，集中在学习和推理方面。在解释性，可信度和元认知中仍然存在很大的差距。通过跨学科研究解决这些差距对于将该领域推进更聪明，可靠和上下文感知的AI系统至关重要。
教育中的人工智能和机器人技术
本文旨在关注博洛尼亚大学教育科学系工作组在人工智能和机器人 (AIR) 领域开展的研究。人工智能和机器人在教育中的应用正在创新教学和学习方法和工具，重新定义教师和学生的角色 [1] [2]。学习环境的概念也在向开放的生态系统发展，其中多个利益相关者互动（儿童、青少年、教师、教育工作者、家庭、政策制定者、技术工具的生产者/供应商等）。在这种一般背景下，人工智能和 ER 既成为研究对象，也成为支持认知和元认知过程的工具/环境，并为不同知识和创造力领域之间新的行动/交流/交叉空间的实验开辟了空间 [3]。参考科学文献 [4] [5]，具体出现了两条主要研究路线：AIR for Learning，重点关注 AI 和 ER 支持的学习过程和个性化水平；Learning for AIR，重点关注 AI 和机器人教育以及整合学校课程的必要性。在这两条路线上，正在启动一项实验，
计划 - 索菲：神经符号计划体系结构
近年来，人工智能（AI）的概念引起了人们的关注，基于AI的工具越来越多地融入了我们的日常生活中。随着这一研究的吸引力，中心的一个核心之一是，端到端的机器学习或符号AI方法是否可以导致有效的AI模型，或者是否需要将这些技术集成到协同的系统中。我们相信成为最有希望的整合途径。为此，我们介绍了神经象征性建筑的专业化，即Sofai（慢速和快速AI），灵感来自D. Kahneman的著作“ Thinking，Thinking，Fast and Slow and Slow”的认知框架。我们的系统旨在解决各种场景中的计划问题，并在经典环境中具有特定的效果。计划 - 索菲利用多种计划方法，每种方法具有独特的特征，并将其归类为快速或缓慢的，同时纳入了治理的元认知过程。最后，我们评估了该系统针对最先进的计划的性能，这表明我们的解决速度和计划的最佳性之间的平衡表现出了坚实的平衡。
语言学习 - 策略 - lls-lls-by-the-the-the-the-the-the-four- ...
摘要英语作为一种国际语言在许多领域的重要性，例如金融，医学，技术和教育。获取英语的四个主要技能是在讲，听，阅读和写作。为了在这个全球世界中很好地交谈，说话技巧对于交流最重要。语言学习者部署了许多策略，例如认知，元认知，补偿情感，社会和记忆策略来增强口语技能。因此，本研究旨在调查四名男学生采用的语言学习策略。使用半结构化访谈和问卷作为数据收集工具的混合方法设计。在此干预措施中，选择了Negeri Sembilan的一所中学的40名4个学生作为参与者。本文的发现表明，实施的最频繁的语言学习策略是获得口语技能的社会，情感和记忆策略。基于这一发现，预计将进行更多的研究，以确定其他技能的应用，以帮助学生努力学习英语。关键字：语言学习策略，口语技巧，表格4，中学简介
对噪声图像分类任务中人工智能辅助依赖的实证研究
摘要。如今，人类在各种高风险和低风险的决策任务中使用人工智能辅助。然而，人类对人工智能辅助的依赖往往不是最理想的——人们对人工智能的依赖程度要么过低，要么过高。我们对嘈杂的图像分类任务中的人机辅助决策进行了实证研究。我们分析了参与者对人工智能辅助的依赖程度以及人机辅助的准确性，并与人类或人工智能独立工作进行了比较。我们证明，参与者没有表现出自动化偏见，这是人类在人工智能辅助下表现出的一种广泛报道的行为。在这种特定的人工智能辅助决策实例中，人们能够在需要时正确地推翻人工智能的决策，并在综合表现上接近理论上限。我们认为，与之前的研究结果存在差异的原因在于：1）人们擅长对日常图像进行分类，并且对自己执行任务的能力有很好的了解；2）当被要求表明对自己的决策的信心时，人们会进行深思熟虑的元认知行为；3）人们能够通过结合每次试验后提供的反馈来建立良好的人工智能心理模型。这些发现应该可以为未来的实验设计提供参考。
衡量自我调节学习和人工智能的作用
学习科学正在拥抱技术在更好地检测、诊断和推动自我调节学习 (SRL) 方面所能发挥的重要作用。SRL 领域面临着测量 SRL 过程的挑战，以促进我们对多模态数据如何能够不引人注目地捕捉学习者在时间、任务、领域和环境中的认知、元认知、情感和动机状态的理解。本文介绍了一个自我调节学习过程、多模态数据和分析 (SMA) 网格，并将作者 (63 篇论文) 在过去五年中的联合和个人研究映射到网格上。这显示了如何使用多模态数据流来研究 SRL 过程。SMA 网格上的二维空间有助于可视化数据流之间的关系和可能的组合以及 SRL 过程的测量方式。本概述是对当前特刊“利用人工智能 (AI) 推进 SRL 研究”的分析介绍，我们鼓励定位新的研究和未探索的前沿。我们强调需要进行密切和战略性的合作，以加速进展，使用新的跨学科方法来开发教育技术中 SRL 的准确测量。
REAP 策略：培养 Esl 学习者作为批判性...
摘要：在马来西亚，人们一直在努力培养学生尤其是大学生的阅读技能和思维技能。有效阅读和批判性思考的能力是大学生尤其是 ESL 学习者的必备技能。这些技能是确保大学成功的重要学习成果以及其他基本学术技能。高等教育要求学生使用高水平的阅读技能和批判性思维技能，因为他们必须阅读各种阅读材料，这些材料大多是英文的。因此，采取干预措施来引导和培养学生成为批判性读者或思考者至关重要。进行了一项行动研究，以调查使用 REAP 技术作为英语学术交流课程干预措施的有效性。REAP 技术代表阅读、编码、注释和思考，是一种元认知策略，它教会学生深入思考，并指导学生按照四步策略对文本做出不同的反应。本文详细介绍了 REAP 策略的实施，并强调了该策略对学生阅读能力的好处。索引词：批判性读者、批判性思考者、批判性思维、ESL 学习者、阅读技能、REAP 策略、阅读技术策略、
人工智能教育轮：卡林顿轮的改编 Rueda de la Pedagogía para la Inteligencia Artificial: adaptación de la
摘要 有效地将人工智能 (AI) 融入教育对于充分利用其在教学过程中的优势至关重要。本文建议将卡林顿的教学法之轮改编为人工智能教学法之轮，旨在为将人工智能融入教育提供教学框架。所采用的研究方法基于系统评价和映射，结合术语共现分析的文献计量研究，以确定科学上支持改编该教学法之轮必要性的相关主题集群。新的教学法之轮针对获得的四个集群（整合人工智能以加强教育、在教学过程中使用教育技术、教学设计和创新以及可持续和道德教育），并呈现同心圆，解释如何逐步将人工智能融入不同的认知水平（布鲁姆分类法）和技术集成（SAMR 模型），这两者都适用于人工智能。教学法之轮包括工具和应用程序的示例以说明实施过程。此外，还包括一个反思性元认知层面，涉及使用人工智能的道德和责任。总之，适应人工智能的轮子是提高教育有效性和效率的可行选择，前提是教育者参与教学过程的规划和执行，以确保其成功。值得一提的是，由于新应用不断涌现，保持轮子更新的重要性。关键词：人工智能；颠覆性技术；卡林顿之轮；布鲁姆分类法；SAMR 模型。总结人工智能 (IA) 有效地融入教育是促进其在学习过程中受益的必要条件。本文提出了卡灵顿教育教学法的调整和 IA 教学法的调整，最终将 IA 与教育结合起来。调查方法采用了修订和映射系统的方法，并结合了对识别集群技术的共同发生的文献计量研究的研究方法，以解决鲁埃达适应所需的科学问题。 La nueva rueda atiende a los cuatro cluster obtenidos (Integración de la IA para mejorar la educación, Uso de tecnologías educativa en el proceso de enseñanza y aprendizaje, Diseño e innovación pedagógica y Educación Sostenible y Ética) y Presenta anillos详细阐述了 IA 的渐进过程，包括不同的认知（Taxonomia de Bloom）和技术集成（Modelo SAMR）以及 IA 的适应、应用和应用。 Además 包括关于 IA 用途的反射-元认知和责任。结论是，根据指导员参与计划和实施的条件，IA 提出了一项可行的选项，以提高教育的效率和效率。需要注意的是，实际应用中的实际情况非常重要，新应用的持续性差异也很重要。
哲学。精神病学通讯| aapp
亚瑟·克里格（Arthur Krieger）是博士学位。坦普尔大学（美国宾夕法尼亚州费城）哲学系的候选人。他从事行动哲学，精神病学哲学和生物伦理的工作。 他主要是关于上瘾的代理的文章，认为成瘾是一种强迫性 - 在哲学家中引起了争议。 他目前正在开发有关开处方习惯性药物的伦理的论文，以及实际必要性的形而上学。 亚瑟（Arthur）的博士工作由尤金·奇斯伦科（Eugene Chislenko）教授监督。 亚瑟（Arthur）的贾斯珀斯（Jaspers）奖提交，“成瘾中可靠的禁欲的认识论预示”提出，大多数瘾君子失去了可靠戒除的能力，同时仍然能够恢复这种能力。 他认为，成瘾中的可靠禁欲需要特殊的自我知识和元认知技能，通常必须通过反复试验和其他人的重大帮助来学习。 在这张照片上，尽管许多人康复了，但很容易看出成瘾是一种强迫。 欧文·弗拉纳根（Owen Flanagan），伦纳特（Lennart Nordenfelt），艾伦·马拉特（G. Alan Marlatt）和钱德拉·斯里帕达（Chandra Sripada）的作品强烈了解了“认知先决条件模型”。他从事行动哲学，精神病学哲学和生物伦理的工作。他主要是关于上瘾的代理的文章，认为成瘾是一种强迫性 - 在哲学家中引起了争议。他目前正在开发有关开处方习惯性药物的伦理的论文，以及实际必要性的形而上学。亚瑟（Arthur）的博士工作由尤金·奇斯伦科（Eugene Chislenko）教授监督。亚瑟（Arthur）的贾斯珀斯（Jaspers）奖提交，“成瘾中可靠的禁欲的认识论预示”提出，大多数瘾君子失去了可靠戒除的能力，同时仍然能够恢复这种能力。他认为，成瘾中的可靠禁欲需要特殊的自我知识和元认知技能，通常必须通过反复试验和其他人的重大帮助来学习。在这张照片上，尽管许多人康复了，但很容易看出成瘾是一种强迫。欧文·弗拉纳根（Owen Flanagan），伦纳特（Lennart Nordenfelt），艾伦·马拉特（G. Alan Marlatt）和钱德拉·斯里帕达（Chandra Sripada）的作品强烈了解了“认知先决条件模型”。
在多篇文本学习中运用策略
本研究基于多篇文本中呈现的信息，考察了本科生在学习复杂且有争议的话题（即美国的大规模监禁）时的策略使用情况。在多篇文本学习综合框架的指导下，本研究指导学生在学习多篇文本时采用三种策略使用形式之一。具体来说，要求学生识别文本中的相关和重要信息（即文本内处理），在文本之间建立关系或联系（即文本间处理），或识别文本中容易或难以理解的信息（即元认知处理）。除了收到指导他们参与这些处理模式的任务指令外，还为学生提供了一个突出显示工具来支持他们的策略使用（例如，在文本内处理条件下，允许将重要和相关信息标记为绿色）。这种突出显示工具还使研究人员能够收集学生显性策略使用的日志数据。研究发现，学生根据其分配的处理条件表现出不同的策略使用模式。此外，研究发现，学生使用针对多种文本的策略可以预测多种文本任务的表现。