XiaoMi-AI文件搜索系统
World File Search System全量表
人工智能态度量表（AIAS-4）的开发和验证
人工智能 (AI) 的快速发展引发了对能够评估公众对 AI 态度的工具的日益增长的需求。本研究提出开发和验证 AI 态度量表 (AIAS)，这是一种简明的自我报告工具，旨在评估公众对 AI 技术的看法。本文提出的 AIAS 第一版包含五个项目，包括一个反向计分项目，旨在衡量个人对 AI 对其生活、职业和整个人类影响的看法。该量表旨在捕捉人们对 AI 的态度，重点关注技术对社会和人类的感知效用和潜在影响。在两项独立研究中，使用不同的样本研究了该量表的心理测量特性。最初对量表的初步 5 项版本进行了探索性因子分析。这种探索性验证研究表明需要将量表分为两个因素。虽然结果表明，总体量表的内部一致性令人满意，并且与相关心理测量指标的相关性也令人满意，但对每个因素的单独分析表明，因素 1 的内部一致性很强，但因素 2 的内部一致性不足。因此，开发并验证了该量表的第二个版本，省略了与问卷中其余项目相关性较弱的项目。与最初的 5 项量表和拟议因素相比，经过改进的最终 1 因素 4 项 AIAS 表现出更高的整体内部一致性。对不同参与者样本进行的进一步验证性因素分析证实，AIAS 的 1 因素模型（4 项）与数据充分吻合，为量表的结构有效性和在不同人群中的普遍性提供了额外的证据。总之，本文报告的分析表明，开发和验证的 4 项 AIAS 可以成为致力于 AI 开发的研究人员和专业人士的宝贵工具，他们希望了解和研究用户对 AI 的总体态度。
改良 Cooper Harper 量表 (MCH) - SKYbrary
背景和应用 改进的 Cooper Harper 量表是一种使用决策树来引出操作员心理工作负荷的单维测量方法。Cooper Harper 量表（Cooper & Harper 1969）是一种决策树评定量表，最初是作为飞机操纵测量工具开发的。该量表用于获得飞行员对飞机可控性的主观评级。量表的输出基于飞机的可控性以及飞行员保持适当控制所需的输入水平。改进的 Cooper Harper 量表（Wierwille 和 Casali 1986）基于以下假设：飞机可控性的难度水平与飞行员工作负荷之间存在直接关系。MCH 量表如图 1 所示。
改良 Cooper Harper 量表 (MCH) - SKYbrary
背景和应用 改进的 Cooper Harper 量表是一种使用决策树来引出操作员心理工作量的单维测量方法。Cooper Harper 量表（Cooper & Harper 1969）是一种决策树评级量表，最初是作为飞机操纵测量工具开发的。该量表用于获得飞行员对飞机可控性的主观评级。量表的输出基于飞机的可控性以及飞行员保持适当控制所需的输入水平。改进的 Cooper Harper 量表（Wierwille and Casali 1986）基于以下假设：飞机可控性的难度与飞行员工作量之间存在直接关系。MCH 量表如图 1 所示。
智利的“大脑故事”和“韧性量表”框架
10 月，AFWI 应智利圣地亚哥 Soymás 基金会的邀请，在其关于大脑、贫困和早期创伤：从神经科学到心理社会干预的国际研讨会上介绍了大脑故事和复原力量表框架。研讨会与智利天主教大学神经科学跨学科中心合作，汇集了来自卫生、教育、司法和研究领域的 150 多名与会者，探讨了可能影响弱势儿童和青少年大脑发育以及情感和社会学习的因素。
商业照明和光学量表提交指南
《加利福尼亚法规法规》（24CCR）的标题24是国家建筑法规。要更改以满足马里布黑暗天空条例的照明应遵守加利福尼亚电气代码（标题24第3部分）和能源法规（第24部分第6部分）（标题24第6部分），在CEC-400-2018-020-CMF中，特别是第141.0节，特别是对现有的非住宅/居民/户外居民和酒店及其现有式住宅/户外及其范围的补充，照明的标志。代码合规文件必须提交许可证。非住宅，酒店/汽车旅馆和多户住宅项目所有照明安装都必须由持有城市发行许可证的C-10电气许可证的承包商进行。承包商的工作需要进行城市检查，以遵守适用的代码和黑暗的天空法规。
技术里斯本 - 分类量表 - 分级系统
信用单位学生工作单位与欧洲信用转移和累积系统相对应）。全职工作年度对应于60个ECTS学分，考虑到1680年的年度工作时间总数。ECTS信用额将对应于28小时的工作（包括面对面的活动，评估和自动工作）。
南非荷兰语的适应儿童希望量表
摘要：这项研究的总体目的是验证Snyder（1997）儿童希望量表的南非荷兰语版本中的一个来自南非开普敦的儿童样本。在此过程中，该研究旨在测试英语和南非荷兰语版本中的测量不变。该研究使用了横截面调查设计，其两阶段分层的随机样本是1022名儿童11至12岁的儿童。我们从开普敦大都市的低矮和中部社会经济地位社区中选择了15所学校的参与者。我们使用验证性因素分析来分析数据。结果表明使用合并样品（x 2 = 35.692; df = 7; p = .00; cfi = .984; rmsea = .063; srmr = .023）非常适合整体模型。多组验证因素分析进一步证明了度量和标量不变性的态度。这表明量表上的项目在两种语言上具有相同的含义，并且比例尺上的分数可以与相关，回归系数和手段相当。总体发现表明，南非荷兰语翻译的儿童希望量表是在南非背景下使用的适当措施。
网格量表锂离子电池储能系统的安全性
通过称为“热失控”的过程。被认为是由锂金属树突在内部生长到细胞内生长的，一个细胞可以简单地在内部释放其储存的能量作为热。，如果加热到可能低至150°C的温度，释放了其储存的电能，从而使相邻的细胞过热等等，也会自发放电。 至少从对这种热失控事故的分析中推断出足以熔化铝（660°C）的温度。 目击者报告始终说出重复的“重新点燃”，这是不可避免的，即使在完全没有氧气的情况下，只要温度超过了热失去失控的启动阈值即可。也会自发放电。至少从对这种热失控事故的分析中推断出足以熔化铝（660°C）的温度。目击者报告始终说出重复的“重新点燃”，这是不可避免的，即使在完全没有氧气的情况下，只要温度超过了热失去失控的启动阈值即可。
序列建模和设计从分子到基因组量表，
纳米孔信号分析能够检测天然DNA和RNA测序的核苷酸修饰，从而在没有其他文库准备的情况下提供了准确的遗传/转录组和表观遗传信息。目前，只能直接对一组有限的修改（例如5-甲基胞霉素），而大多数其他则需要探索方法，这些方法通常以纳米孔信号与核苷酸参考的比对开始。我们提出了Uncalled4，这是一种用于纳米孔信号对准，分析和可视化的工具包。uncalled4具有有效的带信号对准算法，BAM信号对准文件格式，用于比较信号对准方法的统计数据以及基于K-MER的孔模型的可重复的DE NROVE训练方法，揭示了ONT尚未访问的途径的可能错误。我们在七个人类细胞系中的RNA 6-甲基趋化（M6A）检测应用于RNA 6-甲基丹宁（M6A），使用M6ANET鉴定的修饰比Nanopolish多26％，其中包括M6A已知在癌症中具有含义的几种基因。uncalled4可在github.com/skovaka/uncalled4上开放源4。
感知到的危险（PD）量表：开发和验证
摘要 - 目前没有心理上有效的工具来衡量机器人的感知危险。为了填补这一空白，我们提供了感知到的危险的定义，并通过四项研究开发并验证了12个项目的尺度。一个探索性因素分析揭示了感知到的危险的四个细分：情感状态，身体脆弱性，无效和认知准备就绪。验证性因素分析证实了双因素模型。然后，我们将感知到的危险量表与Godspeed感知的安全量表进行了比较，发现感知到的危险量表是经验数据的更好预测指标。我们还在面对面的环境中验证了量表，发现感知到的危险量表对机器人速度的操作敏感，这与以前的经验发现一致。表明，感知到的危险量表是可靠的，有效的，并且是对人类机器人相互作用环境中感知的安全性和感知危险的充分预测指标。索引条款 - 被认为的危险；感知的安全；比例de-velopment