XiaoMi-AI文件搜索系统
World File Search System化身
研究中学和中学无形文化遗产教育和学生文化身份
摘要：本研究旨在探讨小学和中学对学生文化认同的无形文化遗产（ICH）教育的影响。通过文献综述和实证研究，我们分析了ICH教育在塑造学生的文化价值观，身份感和对文化遗产的意识中的作用。该研究采用定量和定性方法，包括调查和深入访谈，以收集多维数据。结果表明，ICH教育可显着增强学生的文化认同感，并促进他们对传统文化的理解和尊重。该研究还确定了ICH教育实施的挑战和机遇，为未来的教育实践和决策提供了见解。
在外科手术切除的神经胶质瘤干细胞中筛查以取代鼠类化身并为胶质母细胞瘤患者提供个性化癌症治疗
摘要，收益降低，传统临床前和基于动物的药物发现策略的临床衰竭率降低，并且正在将更多的重点放在替代药物发现平台上。ex vivo方法代表了更传统的基于临床前动物的模型和基于临床的策略，并旨在在药物发现的早期阶段解决肿瘤内和患者间的变异性。此外，这些方法还可以在肿瘤切除的一周内为患者提供精确的治疗分层，以直接定制治疗。一个可以从这种离体方法中显着受益的肿瘤组是高级神经胶质瘤，它们表现出广泛的异质性，细胞可塑性和耐药性神经胶质瘤干细胞（GSC）壁ches。对这些肿瘤的基于鼠的临床前模型的历史用途在很大程度上未能产生新的疗法，从而导致过去50年后诊断后约12-15个月的相对停滞和不可接受的生存率。如果我们能够在临床前模型中识别出有效的药物组合，可以更好地反映复杂的复杂 - 尤其内的异质性，GSC塑性和固有的DNA损伤机制，那么在标准护理（SOC）治疗方案中，手术切除（SOC）治疗方案中的近乎普遍使用损坏化学疗法就可以改善当前治疗。因此，我们已经开发和
帮助您的孩子拥抱他们的文化身份
Psyd的Carrie Lara自2005年以来一直与各种社区心理健康环境中的儿童合作。，她于2009年通过旧金山国际国际大学获得了加利福尼亚专业心理学学院的临床心理学博士学位。她的专业知识是与儿童和家庭，儿童和人类发展，养育和收养的青年，学习障碍和特殊教育，基于依恋的游戏疗法以及创伤。Lara博士有机会专业地在不同的社会经济和多元化社区工作，并且亲自拥有一个双文化家庭。这两个因素都加深了她对文化身份发展及其重要性的理解。她希望这本书支持在孩子发展自我意识的早期阶段，在这个早期阶段就文化身份进行对话。
光学透视显示器对增强现实中自我化身外观的影响
A BSTRACT 虚拟和增强现实领域的显示技术会根据用户当前的观看条件影响人类表征的外观，例如远程呈现或娱乐应用中使用的化身。随着观看条件的变化，感知到的化身外观可能会发生意想不到或不受欢迎的变化，这可能会改变用户对这些化身的行为并导致使用 AR 显示器时的挫败感。在本文中，我们描述了一项用户研究（N=20），其中参与者通过使用 HoloLens 2 光学透视头戴式显示器在镜子中看到自己站在自己的化身旁边。参与者的任务是在两种环境照明条件（200 勒克斯和 2,000 勒克斯）下将他们的化身的外观与他们自己的进行匹配。我们的结果表明，环境光的强度对参与者选择的虚拟形象的肤色有显著影响，肤色较深的参与者倾向于将虚拟形象的肤色调得较浅，几乎与肤色较浅的参与者的肤色相同。此外，尤其是女性参与者在环境光较亮的情况下会将虚拟形象的头发颜色调得较深。我们从技术限制和对光学透视显示器上虚拟形象多样性的影响的角度讨论了我们的结果。
光学透视显示器对增强现实中自我化身外观的影响
摘要虚拟和增强现实领域的显示技术会根据用户当前的观看条件影响人类表征的外观，例如远程呈现或娱乐应用中使用的化身。随着观看条件的变化，感知到的化身的外观可能会发生意想不到或不受欢迎的变化，这可能会改变用户对这些化身的行为并导致使用 AR 显示器时的挫败感。在本文中，我们描述了一项用户研究（N=20），其中参与者通过使用 HoloLens 2 光学透视头戴式显示器在镜子中看到自己站在自己的化身旁边。参与者的任务是在两种环境照明条件（200 勒克斯和 2,000 勒克斯）下将他们的化身的外观与他们自己的进行匹配。我们的结果表明，环境光的强度对参与者选择的虚拟形象的肤色有显著影响，肤色较深的参与者倾向于将虚拟形象的肤色调得较浅，几乎与肤色较浅的参与者的肤色相同。此外，尤其是女性参与者在环境光较亮的情况下会将虚拟形象的头发颜色调得较深。我们从技术限制和对光学透视显示器上虚拟形象多样性的影响的角度讨论了我们的研究结果。
CRISPR-Cas9 技术用于创建能够建模和治疗病理的生物化身：从发现到最新改进
摘要：这是遗传学在基因组编辑领域取得的辉煌发展，基因组编辑包括对不同物种内细胞 DNA 序列的精确改变。目前最令人着迷的基因组编辑技术之一是成簇的规则间隔回文重复序列 (CRISPR) 及其相关蛋白 9 (CRISPR-Cas9)，由于其有效性，它们在短时间内深入融入了研究领域。它成为广泛生物和治疗应用中使用的标准工具。此外，需要可靠的疾病模型来提高医疗保健质量。CRISPR-Cas9 有可能通过生成细胞模型来丰富我们在遗传学方面的知识，这些模型可以模拟各种人类疾病，以更好地了解疾病后果并开发新的治疗方法。CRISPR-Cas9 提供的基因组编辑精确度正在为基因治疗在临床试验中的扩展铺平道路，以治疗多种物种的多种遗传疾病。本综述文章将讨论基因组编辑工具：CRISPR-Cas9、锌指核酸酶 (ZFN) 和转录激活因子样效应核酸酶 (TALEN)。它还将涵盖 CRISPR-Cas9 技术在生成用于新型疗法的细胞疾病模型方面的重要性、其在基因治疗中的应用以及增强其特异性的新策略所面临的挑战。
扩展知识驱动方法以实现机器人化身的可扩展自主遥操作
摘要——载人航天任务（如月球和火星）正成为越来越多航天机构关注的焦点。确保机组人员安全着陆地外表面的预防措施以及将机组人员带回地球的偏远地区可靠的基础设施是任务规划的关键考虑因素。欧洲航天局 (ESA) 在其 Terrae Novae 2030+ 路线图中指出，需要机器人作为先驱和侦察兵来确保此类任务的成功。这些机器人将发挥的重要作用是支持在轨宇航员开展科学工作，并最终确保地面宇航员支持基础设施的正常运行。METERON SUPVIS Justin ISS 实验表明，监督自主机器人指挥可用于使用行星表面的机器人同事执行检查、维护和安装任务。实验中使用的知识驱动方法只有在出现任务设计未预料到的情况时才会达到极限。在深空场景中，宇航员必须能够克服这些限制。在 METERON ANALOG-1 ISS 实验中展示了一种更直接指挥机器人的方法。在这次技术演示中，宇航员使用触觉远程呈现来指挥地面上的机器人化身执行采样任务。在这项工作中，我们提出了一个通过扩展知识驱动方法将监督自主性和远程呈现相结合的系统。知识管理基于在以对象为中心的环境中组织机器人的先验知识。动作模板用于在符号和几何级别上定义有关处理对象的知识。这种与机器人无关的系统可用于对任何机器人同事进行监督指挥。通过将机器人本身作为对象集成到以对象为中心的领域中，可以通过制定相应的动作模板将特定于机器人的技能和（远程）操作模式注入现有的知识管理系统中。为了有效使用先进的远程操作模式（如触觉远程呈现），各种输入设备都集成到了所提出的系统中。这项工作展示了如何以与输入设备和操作模式无关的方式实现这些设备的集成。所提出的系统在 Surface Avatar ISS 实验中进行了评估。这项工作展示了如何将系统集成到国际空间站哥伦布舱中的机器人指挥终端中，该终端具有 3 自由度操纵杆和 7 自由度触觉输入设备。在 Surface Avatar 的初步实验中，两名在轨宇航员
湿件化身人工智能？迈向基于合成生物学的自创生组织方法
具身人工智能 (EAI) 是当代人工智能的一个方向，其特点是发展对自然认知过程的综合研究，其假设是认知者的身体在认知中起着决定性的作用。在 EAI 中，“身体”的概念呈现出广泛的解释，从概念上讲，可以认为跨越了两个极端：一种是用于符号信息处理的神经元外物质支持的概念，适合将符号置于感觉运动关联中；一种是多重、集成、嵌入环境的系统的概念，其自组织的生物动力学与意义建构过程密不可分（纠缠在一起）（例如，Gallagher，2011；Ziemke，2016）。EAI 通常被宽泛地等同于机器人 AI，即一种以构建和实验探索自然认知过程的硬件模型为目标的 AI 形式。事实上，与计算机不同，机电机器人被赋予了身体，使其处于物理世界中 — 即，不（仅仅）处于抽象的“信息世界”中 — 并允许它们基于传感器（例如，能够检测障碍物、光、声音、电磁信号等的传感器）与其进行交互。和执行器。在大多数情况下，EAI 创建由计算机控制的机器人，这样机器人代理的身体在其与环境的感觉运动交互中，将中央处理单元的活动作为基础，中央处理单元充当信息处理和决策设备。然而，EAI 社区也致力于构建不受计算机引导的机器人，这些机器人能够仅通过身体来了解周围环境并完成认知任务（例如 Brooks，1991；Steels 和 Brooks，1995）。自 20 世纪 90 年代初出现以来，EAI 通过其多种表现形式，在基础研究和应用研究层面都取得了令人瞩目的进步（例如 Pfeifer 和 Bongard，2006）。尽管如此，从 20 世纪 90 年代末开始，人们就开始争论 EAI 方法是否适合生物体建模。这些批评越来越多地不局限于强调 EAI 典型的理论和实现的身体机械观。他们注意到 EAI 无法对身体组织进行建模，即通过新陈代谢支持生物体不断自我生产的功能关系动态网络（Ziemke，2016；Damiano 和 Stano 2018）。这些都是激进的批评，指出目前 EAI 对自然认知过程的综合研究仅仅建立在对生物体的模仿建模上：一种人工重建，只考虑身体结构的表面方面（例如，运动和解剖元素）而忽略了其最具体的维度——自主组织。在这篇短文中，我们打算介绍一种旨在克服这一差距的 EAI 研究方法的一般纲领路线。这样的程序本身并不是什么新鲜事。EAI 研究
优化身体相互适应的框架......
人机界面的操作越来越多地被称为双学习者问题，其中人和界面都基于共享信息独立调整其行为，以提高特定任务的联合性能。从人体机界面领域汲取灵感，我们采取不同的视角，并提出了一个框架，用于研究在界面的演变取决于用户的行为并且不需要明确定义任务目标的情况下的协同适应。我们对协同适应的数学描述建立在以下假设之上：界面和用户代理共同适应以最大化交互效率而不是优化任务性能。这项工作描述了人体机界面的数学框架，其中天真的用户与自适应界面交互。界面被建模为从高维空间（用户输入）到低维反馈的线性映射，充当自适应“工具”，其目标是在无监督学习过程之后最大限度地减少传输损耗，并且不知道用户正在执行的任务。用户被建模为非平稳多元高斯生成过程，该过程产生一系列统计上独立或相关的动作。依赖数据用于建模与实现任务规定的某些未知目标有关的动作选择模块的输出。该框架假设，与此明确目标并行，用户正在隐性学习一种合适但不一定是最佳的与界面交互的方式。隐性学习被建模为使用依赖性学习，由作用于生成分布的基于奖励的机制调节。通过模拟，该工作量化了当用户学习操作静态界面与自适应界面时，系统如何根据学习时间尺度演变。我们表明，可以直接利用这个新框架来轻松模拟各种交互场景，以促进对导致联合系统最佳学习动态的参数的探索，并为人机协同适应优于用户适应提供经验证明。