摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具,但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学,他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明,教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情,尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势,并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力,确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词:人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法:英语语言教学杂志,12 (2)。196-212 DOI:10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
每个问题都有一个解决方案,并且技术进步使这些答案成为可能。在过去的二十年中,新思想及其实施已大大改变了人类世界。从常规的国内任务到工业制造业,一切都是自动化的,使日常生活变得更加简单。然而,获得所需结果的秘诀是以正确的方式部署适当的技术。这样的技术就是机器学习,它使用算法使机器像人类一样更精确,更准确地采取行动。乳制品业务的主要担忧是牛奶的质量,它是通过“ Milksafe:使用机器学习的硬件牛奶质量预测”中的机器学习模型预测的。传感器用于收集牛奶特性,包括pH,温度,浊度和颜色,然后将其输入模型进行分析和条件预测。基于各种牛奶特征,pH,浊度,颜色和温度输出将显示一系列值。根据这些标准,将牛奶评为低,中或高。传感器将借助微控制器从牛奶中收集此信息,而在此应用中使用的微控制器是Arduino Uno。Arduino IDE的串行监视器将显示输出。收集的数据将用于训练模型,该模型将为我们提供有关牛奶质量分析的发现。关键字 - 机器学习,传感器,arduino,牛奶质量。本研究中使用的算法包括天真的贝叶斯,随机森林,KNN,逻辑回归和随机森林,最准确。使用四个输入功能(颜色,浊度,温度和pH),建议的模型可产生98.27%的精度,从而实现完全自动化,可靠且有效使用的方便小工具。
机电工程中的人工智能:ESPRIT 模型 Mohamed Hedi Riahi、Nadia Ajailia ESPRIT 工程学院 摘要 近十年来,人工智能 (AI) 蓬勃发展,现已涵盖自动化、电力和维护等机电领域,为此我们引入了 ESPRIT 方法。该方法强调工程师需要丰富技能组合,以适应不断变化的环境。这种教育模式将 AI 模块整合到机电工程课程中,符合 CDIO 标准,以培养广泛的 AI 能力。该课程经过精心设计,从基础知识进阶到高级应用和评估,采用主动学习策略提高学生的技术、解决问题和专业技能,最终鼓励全面掌握工程领域的 AI。本文介绍了 ESPRIT 方法,这是一种专为让机电工程师具备必要的 AI 能力而量身定制的教学范式。ESPRIT 机电工程课程中专用 AI 模块的整合符合 CDIO 标准,标志着工程教育取得了重大进步。我们的教学贡献有三方面,涵盖了三年内 AI 模块的设计、执行和评估。该课程采用主动学习策略(标准 8)让学生沉浸在 AI 问题解决中,营造出一种实践参与的环境。课程以结构化的方式展开(标准 3),从第三年的 AI 发现阶段开始,学生将熟悉 Python、AI 库和基础 AI 概念,包括基本分类和回归算法。第二阶段是第四年,重点是应用和强化所获得的知识,重点是 AI 项目的生命周期。学生通过开展一个遵循 AI 项目惯例的小型项目来结束这一阶段。第五年的最后阶段强调实际应用和掌握,最终在 NVIDIA DLI 研讨会上结束,学生有机会获得预测性维护 AI 证书。最后,本文对这种教学方法进行了批判性分析,强调了其实用应用和与学生能力相符的节奏良好的学习轨迹。尽管如此,它强调了在 AI 的理论和实践方面实现对称平衡的必要性,以充分利用其在机电工程中的潜力。关键词
抽象引言对低血糖(FOH)的恐惧会影响1型糖尿病患者(PWT1D)的生活质量,情感幸福感和糖尿病管理。美国糖尿病协会(ADA)指南建议在临床实践中评估FOH。但是,现有的FOH度量通常用于研究,而不是在临床实践中。在这项研究中,使用新开发的FOH筛选器在PWT1D中评估了FOH的患病率;还确定了它与已建立的措施和结果的关联。此外,还探索了医疗保健提供者(HCP)对将FOH筛查者实施到现实世界实践中的观点。研究设计和方法这一多相观察性研究使用了两个阶段的混合方法。首先,我们从PWT1D(≥18岁)的T1D交换质量改进协作成人诊所收集了一项横断面调查(包括筛选器)。Pearson的相关性和回归分析是在使用筛选器评分的糖尿病结果指标上进行的。第二,我们在治疗PWT1D和描述性分析的HCP中进行了焦点小组以总结结果。结果我们包括553 PWT1D。参与者的平均±SD年龄为38.9±14.2岁,而30%的参与者报告了FOH总分高。回归分析表明,较高的A1C和较高数量的合并症与高FOH显着相关(P <0.001)。高FOH忧虑和行为评分与8项患者健康问卷和7项广义焦虑症量表评分显着相关。≥1个严重低血糖事件(S)和低血糖认识的参与者的高FOH几率更高。11个HCP参加了焦点小组访谈;他们表示,FOH筛选器在临床上是必要的和相关的,但提出了必须解决的实施挑战。结论我们的结果表明,FOH在PWT1D中很常见,并影响了他们的社会心理健康和糖尿病管理。与ADA位置声明保持一致,HCP焦点组结果强调了FOH筛选的重要性。实施这个新开发的FOH筛选器可能会帮助HCPS在PWT1D中识别FOH。
摘要:通常用狭窄油通道的牵引力变压器使用ODAF或“定向空气强制的油”方法冷却,在该方法中,其温度在很大程度上取决于绕组的焦油热量,变压器中的共轭热传递,以及通过油冷却器的二次热量释放,以及油泵产生的油液液泵。既不有资格预测这种类型的变压器中的时间和空间温度变化,均未获得热 - 电动类比和CFD模拟方法。 在当前工作中,分布式参数模型是为牵引力变压器和油冷却器而建立的,分别假定在油流方向上的一维温度线。 然后,这两个模型通过其界面的流量,温度和压力连续性与油泵和管道的集体参数结合,从而导致了油导向和空气牵引力变压器的动态热量耗散模型的推导。 另外,为其数值解提供了有效的算法,并进行了温度上升实验以进行模型验证。 最后,研究了牵引力变压器中动态热量耗散的基本性,并研究了环境温度的影响。均未获得热 - 电动类比和CFD模拟方法。在当前工作中,分布式参数模型是为牵引力变压器和油冷却器而建立的,分别假定在油流方向上的一维温度线。然后,这两个模型通过其界面的流量,温度和压力连续性与油泵和管道的集体参数结合,从而导致了油导向和空气牵引力变压器的动态热量耗散模型的推导。另外,为其数值解提供了有效的算法,并进行了温度上升实验以进行模型验证。最后,研究了牵引力变压器中动态热量耗散的基本性,并研究了环境温度的影响。
Cepsa 是一家领先的国际公司,致力于可持续出行和能源,经过 90 多年的经营,拥有扎实的技术经验。该公司还拥有世界领先的化学品业务,其运营日益可持续。2022 年,Cepsa 提出了新的 2030 年战略计划 Positive Motion,该计划旨在成为西班牙和葡萄牙可持续出行、生物燃料和绿色氢能领域的领导者,并成为能源转型的标杆。该公司将客户置于业务的核心,并将与他们合作,帮助他们推进脱碳目标。ESG 标准激励着 Cepsa 向净正目标迈进的所有行动。在这十年中,它将把范围 1 和 2 的二氧化碳排放量减少 55%,将其产品的碳强度指数减少 15-20%,目标是到 2050 年实现净零排放。
摘要:熵杂志的三个特殊问题已致力于“信息处理和体现,嵌入,实用认知”的主题。他们解决了形态计算,认知机构和认知的演变。贡献显示了研究界对计算主题及其与认知关系的观点的多样性。本文试图阐明有关认知科学核心的计算当前辩论。它是以对话的形式编写的,两位作者之间,代表两个相反的立场,内容涉及哪个计算和可能是可能是与认知有关的问题。鉴于两位研究人员的不同背景,涵盖了物理学,计算和信息的哲学,认知科学和哲学,我们以适合这种多学科/跨学科概念分析的苏格拉底对话形式发现了讨论。我们按以下方式进行。首先,支持者(GDC)引入了信息计算框架,作为一种自然主义模型的体现,嵌入和制定的认知模型。接下来,评论家(MM)从新的解释方法的角度提出了异议。随后,支持者和评论家提供了答复。的结论是,在理解体现认知的理解中,计算具有基本作用,被理解为信息处理。
摘要 抑制控制是人脑中最重要的控制功能之一。我们对其神经基础的大部分理解来自于开创性的研究,这些研究表明右下额回 (rIFG) 损伤会增加停止信号反应时间 (SSRT),这是一个表达抑制控制速度的潜在变量。然而,最近的研究发现了 SSRT 方法的重大局限性。值得注意的是,SSRT 受到触发失败的困扰:从未启动抑制控制的停止信号试验。此类试验会使 SSRT 膨胀,但通常表明注意力缺陷,而不是抑制缺陷。在这里,我们使用分层贝叶斯模型来识别人类 rIFG 损伤患者、非 rIFG 损伤患者和健康对照者的停止信号触发失败。此外,我们测量了头皮脑电图以检测 β 爆发,这是抑制控制的神经生理指标。 rIFG 病变患者的触发失败试验次数增加了 5 倍以上,并且没有表现出与停止相关的额叶 β 爆发的典型增加。然而,在发生此类 β 爆发的试验中,rIFG 患者表现出典型的后续 β 上调,这些 β 上调发生在感觉运动区域,表明他们实施抑制控制的能力一旦被触发,就会保持完好。这些发现表明,rIFG 在抑制控制中的作用必须从根本上重新解释。
脆弱性评估。52 这是由联邦调查局 (FBI)、国土安全部、美国农业部和美国食品药品监督管理局共同开展的工作,任何行业成员、贸易协会或州都可以自愿参与。53 评估旨在检查食品和农业生产行业的生产过程。54 “关键性、可及性、可恢复性、脆弱性、影响、可识别性和冲击”是评估考虑的六个主要因素;总结为“CARVER + 冲击方法”。5 SPAA 计划促进对食品和农业产品或商品的评估,并鼓励行业和政府之间的互动。56 每次评估结束时都会确定研究差距、缓解策略和良好的安全实践。57