域模型采集已被确定为计划技术的应用,尤其是在叙事计划中的瓶颈。以自动化的方式从叙事文本中学习动作模型对于克服这种障碍,但由于此类文本的固有复杂性而具有挑战性至关重要。我们使用我们完全自动化的,无监督的系统Naruto介绍了从叙事文本得出的计划域模式的评估。我们的系统结合了结构事件提取,常识事件的预测以及文本矛盾和相似性。评估结果表明,火影忍者生成的域模型比现有的完全自动化的甲基动物更高,甚至有时与在人为援助的情况下与半自动化方法创建的域相提并论。
自动论文评分 (AES) 是一种评估和评分书面散文的计算机技术 (Shermis and Barrera, 2002)。它旨在提供自动评分论文或尽量减少人工参与的计算模型。该研究领域始于 1966 年 Page (Page, 1966) 的 Project Essay Grader 系统,根据 Ke 和 Ng (Ke and Ng, 2019) 的说法,该系统自那时起一直沿用至今。AES 是自然语言处理 (NLP) 最重要的教育应用之一 (Ke and Ng, 2019; Beigman Klebanov et al., 2016)。它涵盖了一些其他领域,例如认知心理学、教育测量、语言学和书面研究(Shermis 和 Burstein,2013)。他们共同致力于研究帮助教师进行自动评估的方法,在评分论文时提供比人类更便宜、更快、更确定的方法。对于葡萄牙语,由于公开可用的语料库(Marinho 等人),该领域已引起 ENEM 论文评分社区的关注(,
摘要背景:健康影响评估(HIA)是一个广泛使用的过程,旨在确定不一定置于卫生部门的政策或干预措施的健康影响(正面或负面)。大多数HIA都是前瞻性完成的,旨在预测假定的政策实施下的预期健康影响。hias可以定量和/或定性评估健康的影响,本研究的重点是前者。存在用于预测健康影响的各种定量建模方法,但是它们在应用领域,数据需求,假设,风险建模,复杂性,局限性,优势和全面性方面有所不同。我们审查了相关模型,以便为公共卫生研究人员提供对HIA模型选择的考虑。方法:基于HIA专家咨询,结合了叙事文献综述,我们确定了可用于健康影响预测的最相关模型。我们根据其应用领域,配置和目的,反事实场景,基本假设,健康风险建模,局限性和优势对模型进行叙述和相对审查。Results: Seven relevant models for health impacts forecasting were identified, consisting of ( i ) comparative risk assessment (CRA), ( ii ) time series analysis (TSA), ( iii ) compartmental models (CMs), ( iv ) structural models (SMs), ( v ) agent- based models (ABMs), ( vi ) microsimulations (MS), and ( vii ) artificial intelligence (AI)/machine learning (ML)。我们提供了一组HIA模型选择的标准。引用:Mueller N,Anderle R,Brachowicz N等。这些模型代表了方法的多种多样,并且在HIA应用,复杂性和可理解性的领域中有所不同。研究人员必须考虑模型输入假设与可用数据和参数结构,可用资源和模型输出相匹配研究问题,满足期望并对最终用户可以理解。结论:审查的模型具有与可用数据和参数结构,计算实现,解释和理解性有关的特定特征,研究人员应在HIA模型选择之前进行批判性考虑。关键字:健康影响评估,前Ante影响评估,预测,建模,政策版权:©2023作者;由科尔曼医学科学大学出版。这是根据Creative Commons归因许可条款(https://creativecommons.org/licenses/ by/4.0)分发的开放式文章,该文章允许在任何媒介中不受限制地使用,分发和再现,前提是适当地引用了原始工作。定量健康影响评估和建模的模型选择:专家咨询和叙事文献综述。国际卫生政策管理。2023; 12:7103。 doi:10.34172/ijhpm.2023.7103
人工智能可以重新编程新闻编辑室吗?自动化新闻中的信任、透明度和道德 计算机程序可以编写引人入胜的新闻故事吗?在路透社最近的一份技术趋势和预测报告中,接受调查的 200 名数字领导者、编辑和首席执行官中,78% 表示投资人工智能 (AI) 技术将有助于确保新闻业的未来 (Newman, 2018)。然而,探索这些新的报道方法,为那些已经在努力理解人类记者和计算工作之间复杂动态的人带来了一系列无法预见的道德问题。在新闻编辑室实施自动化叙事向记者提出了如何保持和鼓励报道的准确性和公正性以及对他们所服务的受众的透明度的问题。新闻编辑室中的人工智能已经从一个想法发展成为现实。1998 年,计算机科学家 Sung-Min Lee 预测人工智能将在新闻编辑室得到应用,届时“机器人代理”将与人类记者一起工作,有时甚至代替人类记者 (Latar, 2015)。2010 年,Narrative Science 成为第一家使用人工智能将数据转化为叙事文本的商业企业。Automated Insights 和其他公司紧随 Narrative Science 之后,通过自动化讲故事的方式将 Lee 的“机器人代理”带入新闻编辑室。虽然当今的新闻编辑室正在使用人工智能来简化各种流程,从跟踪突发新闻、收集和解释数据、核实在线内容,甚至创建聊天机器人来向用户推荐个性化内容,但自动生成文本和视频故事的能力促使整个行业转向自动化新闻,或“使用软件或算法自动生成新闻故事而无需人工干预的过程”(Graefe, 2016)。《福布斯》、《纽约时报》、《华盛顿邮报》、《ProPublica》和彭博社只是当今在新闻报道中使用人工智能的部分新闻编辑室。《华盛顿邮报》的“内部自动化叙事技术”Heliograf 只是新闻编辑室利用人工智能扩大其在体育和金融等严重依赖结构化数据的领域的报道的众多例子之一,“让记者专注于深入报道”(Gillespie,2017 年)。人工智能有可能让新闻编辑室和报摊的记者都变得更好。通过自动化,现在可以进行大量的新闻报道新闻智库 Polis 在其 2019 年新闻 AI 报告中透露,新闻编辑室使用人工智能的主要动机是“帮助公众应对新闻过载和错误信息的世界,并以便捷的方式将他们与与他们的生活相关、有用和有益的可靠内容联系起来”(Beckett,2019 年)。