XiaoMi-AI文件搜索系统
World File Search System决策支持系统
大数据作为决策支持系统中的价值生成器
摘要 目的——本文旨在分析决策支持系统如何管理大数据以获取价值。 设计/方法/方法——进行了系统的文献综述，筛选并分析了 2012 年至 2019 年期间发表的 72 篇文章。 发现——研究结果表明，决策支持系统主要使用与计算机科学和云计算相关的大数据分析、机器学习算法和技术。另一个发现是，这些技术和技术的主要应用领域是物流、交通、健康、商业和市场。本文还让作者了解了描述性、预测性和规范性分析的使用关系，根据数据分析的复杂性和人类决策的需要之间的反比关系。 原创性/价值——由于这是一个新兴主题，本研究旨在概述文献中正在讨论的技术和技术，以解决各自领域的问题，作为一种理论贡献。作者还认识到，讨论的成熟度具有实际贡献，甚至提出了反思作为未来研究的建议，例如伦理讨论。本研究的描述性分类还可以作为寻求了解涉及决策支持系统和大数据的研究的新研究人员的指南，以获得价值
基于 Web 的飞机调度和维护决策支持系统
摘要：飞机调度涉及在飞机发生意外故障时确定最佳调度选项。目前，停机坪上的维护技术人员获取支持信息的渠道有限，在大量维护手册中找到正确的信息是一项耗时的任务，常常导致技术延误。本文介绍了一种新型的基于 Web 的原型决策支持系统，以帮助技术人员进行飞机调度决策和后续维护执行。建立并实施了实时调度决策支持的系统架构。持证维护技术人员通过运营环境中的案例研究对开发的系统进行了评估。该系统完全自动从多个数据源检索信息，对给定的故障消息执行替代识别和评估，并为技术人员提供对相关信息（包括相关维护任务）的现场访问。案例研究表明，每个调度决策可能节省高达 98% 的时间。此外，它使目前主要基于纸张的调度决策流程数字化，从而减少物流和纸张浪费。该原型是第一个在飞机维护领域提供运营决策支持的原型，并通过提供代表性案例研究解决了决策支持系统研究中经常发现的理论与实践之间缺乏关联的问题。为基于 SGML 的文档开发的自定义解析器可以有效地识别和提取相关信息，极大地有助于整体缩短决策时间。
GIS 作为教育决策支持系统 (EDSS) 的应用
GIS 在教育决策支持系统 (EDSS) 中的应用（尼泊尔高等中学教育委员会的经验） Tibendra Raj Banskota GIS 专家（尼泊尔高等中学教育委员会）摘要 尼泊尔高等中学教育委员会 (HSEB-Nepal) 成立于 1990 年，在该国整体教育结构中是一个相对较新的机构。在尼泊尔现有的教育结构中，高等中学具有特殊地位，因为它是中学教育和大学教育之间的纽带。现在，全国各地有 1976 所高等中学隶属于 HSEB，约有 50 万学生在 HSEB-Nepal 下毕业。在这种情况下，对如此庞大数量的学校和学生进行信息管理是一项挑战。GIS 学校地图绘制是应对上述挑战的方法之一。教育机构以及乡村发展委员会 (VDC) 边界、道路通道、河流和主要定居点的数字地图提供了空间和社会覆盖方面的地面现实。为此，HSEB Nepal 一直使用 GIS 制图技术作为教育决策支持系统 (EDSS)。 GIS 学校地图绘制包括对高中和中学的物理位置分析以及在高中周边确定附属学校。为了确定潜在的中学（附属学校），需要对每所高中的道路、定居点、河流、桥梁、特定区域的人口等进行空间数字覆盖。可访问性分析基于上述图层的位置和属性。全球定位系统 (GPS) 以及模拟地图用于将新学校描绘为点层。其他统计数据作为属性数据在高中属性表中进行管理。根据可访问性和空间分析做出必要的决定。GIS 地图绘制项目支持 HSEB-Nepal 授予附属关系、查找考试中心和选择特定学校用于特定目的，如 EDSS。关键词：GIS、学校地图绘制、教育决策支持系统 (EDSS)、EMIS、尼泊尔高等中学教育委员会、全球定位系统 (GPS)。1. 简介 GIS 学校地图绘制作为一个术语近年来在教育规划中得到了广泛使用。从概念上讲，它涵盖了更广泛的教育规划和管理，涉及资源分配、学校系统的高效运行和提高学习效率。制图是一种常用的工具，用于揭示特定区域内学校分布与学龄人口分布之间的明显关系。GIS 数据库提供了空间和非空间数据的综合框架和组织，已成为帮助规划和决策的重点工具。教育机构的地图以及行政边界和生物物理层（如主要道路网络、河流和主要定居点）的信息提供了地理方面的现实情况
AI驱动的医疗保健诊断决策支持系统
1。评估AI-DSS的功效：与传统的诊断方法相比，评估AI-DSS在提高诊断准确性和效率方面的有效性。这包括分析这些系统如何增强临床决策并减少诊断错误。2。确定跨医疗保健领域的应用：研究AI-DSS在医疗保健不同领域的各种应用，例如放射学，病理学和预测分析，以突出它们在每个领域中的特定益处和局限性。3。检查用户接受和信任：探讨医疗保健专业人员对AI-DSS的可用性，可靠性和可信度的看法。了解这些因素对于促进成功整合到临床实践中至关重要。4。应对道德和实施挑战：确定并讨论与在医疗保健环境中实施AI-DS相关的道德考虑因素和挑战。这包括有关数据隐私，算法偏见以及人为决策过程中人类监督的必要性的关注。5。为未来的研究和实践提供建议：为医疗保健提供者，政策制定者和AI开发人员提供有关将AI-DSS整合到临床工作流程中的最佳实践的见解和建议。这将包括增强AI系统与医疗保健专业人员之间协作的策略。6。通过提供经验证据和理论见解，可以为未来的研究，政策和实践提供医学诊断领域的经验证据和理论见解，从而增加有关医疗保健AI文献的文献的不断增长。
移植中使用的临床决策支持系统
Laura Wingfield博士通用外科手术与移植手术Nuffield手术科学系牛津大学6607室，6级John Radcliffe医院Headington Headington Oxford，Ox3 9du United Kressement of United Kembore：Laura.wingfield@nds.ac.ac.ac.ac.ac.ac.uk
基于人工智能的医疗保健决策支持系统中的固有偏见
现有文献表明，医疗保健中使用的基于人工智能的系统存在缺陷，会对其达到预期水平的能力产生不利影响 [1]。这主要是由于这些系统存在固有偏见。因此，迫切需要理解与这种偏见相关的一些关键概念。为了分析这种偏见，将基于人工智能的系统视为信息系统非常重要。因此，分析与信息偏见相关的一些关键概念非常重要。Althubaiti [2] 将医疗保健中的信息偏见定义为“研究设计、实施或分析中的任何系统性错误”。这揭示了两种重要的偏见类型：（a）信息偏见和（b）选择偏见。关于实验设计偏差，Althubaiti [ 2 ] 认为，这种形式的偏差很多时候本质上是无意的。在本文中，作者还提出了自我报告系统可能由于抽样方法（尤其是使用便利抽样时）、回忆期和选择性回忆而产生偏差的观点。值得注意的是，基于人工智能的决策支持系统使用来自现有文献和其他可用形式的实验结果的知识。在这种情况下，讨论中的偏差可以被认为是实验方法及其相关选择过程的结果。关于这个问题，Gurupur 等人[ 3 ] 解释了用于分析的方法如何影响结果的准确性。在他们的实验中，研究人员更加强调计算能力更强的技术，这些技术在分析医疗保健数据时会消耗更多的计算能力。值得注意的是，分析的准确性还取决于用于此目的的输入数据的准确性。基于这一论点，我们现在有三个导致推荐系统知识库出现整体偏差的基本参数：（a）由于不准确的数据分析而导致的偏差，（b）由于来自可靠资源的虚假信息而发生的偏差，以及（c）由于实验设计和实施而发生的偏差。参与决策支持系统综合的数据和知识工程师在开发系统时必须考虑这些偏差类别 [ 4 ]。Henriksen 和 Kaplan [ 5 ]
Progetto“H-SMA-CE：循环经济转型的决策支持系统”
结构：经济学 标题：H-SMA-CE：循环经济转型决策支持系统。项目 PRIN 2022_MUR：代码 2022JZLL7J CUP J53D23009390006
基于人工智能的临床决策支持系统时代的医学可解释性
人们经常宣扬“大数据”与人工智能 (AI) 的结合，认为将其应用于医疗决策时能带来宝贵的健康益处。然而，负责任地采用基于人工智能的临床决策支持系统在个人和社会层面都面临着多重挑战。其中一个特别令人担忧的特点是可解释性问题，因为如果医生不知道（或无法知道）算法得出特定输出的方式，则可能导致多重挑战，包括无法评估输出的优点。这种“不透明性”问题引发了人们对医生是否合理依赖算法输出的质疑，一些学者坚持可解释性的重要性，而另一些学者则认为没有理由对人工智能有要求，而对医生没有要求的东西。我们认为这两种观点都有可取之处，但我们发现，为了阐明可解释性在临床实践中的基本功能，从而阐明其在人工智能临床应用背景下的相关性，需要进行更深入的探讨。在本文中，我们通过研究可解释性在临床医学中的要求来探索可解释性，并区分可解释性对当前患者和未来患者的功能。这种区别对于可解释性的短期和长期要求具有影响。我们强调透明度在可解释性中的作用，并确定语义透明度是可解释性问题本身的基础。我们认为，在日常临床实践中，准确性足以作为临床决策的“认识论依据”，而要求可解释性（科学或因果解释）的最令人信服的理由是，通过建立更强大的世界模型，有可能改善未来的护理。我们认为临床决策的目标是尽可能多地提供最佳结果，并且发现——只要努力探索科学解释并继续改善未来患者的医疗保健，准确性就足以作为对当今患者进行干预的依据。