XiaoMi-AI文件搜索系统
World File Search System可供性
可供性识别的认知过程
定义................................................................................................................................................. xiii
基于可供性技术设计框架
当今的教育机构正在将传统的学习空间转变为技术支持的学习空间，以促进教学创新并增强用户的教学和学习体验。这种转变是由 21 世纪教育者和学习者不断变化的需求以及为满足这些学习需求而改变的教学实践所推动的。数字技术进入课堂改变了传统的教学和学习观念。它重新定义了学习活动和体验的理念、设计和实施。学习空间在教育事业中发挥着重要作用，因为它是教育者和学习者、教学法、内容和技术、环境和体验融合的地方。融入其设计的各种功能在定义它对使用该空间的教育者和学习者施加的机会和限制方面发挥着关键作用。然而，由于存在不同的需求、背景和用例，此类空间的概念化、设计和实施因机构而异。本文讨论了如何使用 PECTS 可供性框架来概念化技术支持的学习空间设计，以及如何使用教育设计研究 (EDR) 作为迭代设计周期的开发框架。 关键词 学习空间、学习空间设计、技术支持的学习空间 简介 在过去十年中，技术稳步进入课堂，使以前无法想象的全新教学和学习方式成为可能。它打破了障碍，赋予了世界各地的教育工作者和学习者权力，使他们能够超越传统教室的束缚，步入一个美丽新世界，唯一的障碍或许就是他们想象力的限制。这种前所未有的广泛技术使用方式迫使我们重新想象教师、学生、内容和空间如何相互交流，以及如何利用各种技术和空间设计可供性来支持教学和学习。它还重新定义了在这些空间中进行的各种学习活动和体验的概念化、设计和实施。因此，学习空间的转型日益成为全球政策制定者和学校领导者关注的重点之一（Bannister，2017）。将传统学习空间转变为技术支持的学习空间的主要目标显然是为了满足 21 世纪教育者和学习者不断变化的需求，并支持教学实践的变化以应对这些不断变化的需求。建构主义学习范式的出现以及从教学到学习的重点转变，使得我们目前的大多数学习空间都无法满足当今学习者的需求（Oblinger，2006 年）。另一个重要目标是创造教学创新的机会，利用空间设计的可行性和嵌入空间的技术来增强用户的教学和学习体验。这种对学习空间设计和使用创新的关注是为了“改变课堂教学实践”（Bannister，2017 年）。Oblinger（2006 年）认为，学习空间本身的创新可以成为教学实践变革的驱动力。学习空间设计在提高教育水平方面发挥着关键作用（Leringer & Cardelino，2011），因为它“促进和抑制使用空间的不同参与者之间的行为和关系”（Heerwagen 等人，2004；Rashid 等人，2006）。因此，其设计及其设计中集成的可供性在定义其对使用该空间的教育者和学习者施加的机会和限制方面发挥着关键作用。根据 Sanoff（2001）的说法，学习空间“反映了其中人们的思想、价值观、态度和文化”。它们创造条件并调解促进教学和学习的互动（OECD，2017）。当我们添加技术集成元素时，学习空间、其用户和学习资源之间的关系变得更加复杂（Goodyear，2008）。因此，重要的是要认识到其用户和学习资源变得更加复杂（Goodyear，2008）。因此，重要的是要认识到其用户和学习资源变得更加复杂（Goodyear，2008）。因此，重要的是要认识到
关于人工智能可持续性可供性的理论回顾
人工智能 (AI) 显示出解决对人类和地球生存至关重要的环境可持续性问题的巨大潜力。然而，人工智能的开发和使用会导致间接排放，从而对环境造成不利影响。因此，信息系统 (IS) 领域的组织、研究人员和从业者必须了解人工智能对环境的积极和消极影响。本文通过对人工智能和可持续性交叉领域的文献进行理论回顾来确定当前的研究流，从而为这一主题做出了贡献。此外，本文采用了可供性理论作为理论视角，旨在确定可持续人工智能的可供性——该领域涵盖了绿色 IS 社区中的“可持续发展人工智能”和“人工智能可持续性”研究领域。确定的可供性将使研究人员和从业者能够设计和使用可持续人工智能系统。
过渡期间建筑可供性的大脑动态
动作是收集有关环境的感官信息的媒介，而环境又受建筑可供性的影响。可供性表征了身体的物理结构与运动和与环境互动的能力之间的契合度，因此依赖于与探索周围环境相关的感觉运动过程。作为感觉运动大脑动力学的核心，指导感觉信号门控功能的注意力机制与推断感觉信号外部原因所必需的运动相关过程共享神经资源。这种预测编码方法表明，感觉运动动力学对支持或抑制个人特定类型动作的建筑可供性很敏感。然而，建筑可供性如何与感觉信号门控功能背后的注意力机制相关仍然未知。在这里，我们证明顶枕区和颞中区中与事件相关的 alpha 波段振荡的去同步化与建筑可供性共变。对运动启动移动大脑/身体成像实验中记录的数据进行源级时频分析，发现 alpha 波段与事件相关的强烈去同步化源自后扣带复合体、海马旁回区域以及枕叶皮质。我们的研究结果首先有助于理解大脑如何解决与行为相关的建筑可供性。其次，我们的结果表明，在参与者与环境互动之前，源自枕叶皮质和海马旁回区域的 alpha 波段与建筑可供性共变，而在互动过程中，后扣带皮质和运动区域动态反映可承受的行为。我们得出结论，感觉运动动态反映了设计环境中与行为相关的特征。
社会可供性、镜像神经元以及如何理解社交大脑
吉布森的可供性概念是指环境提供的、生物体能够采取行动的机会。整整十年后，在恒河猴身上发现的镜像神经元 (MN) 表明，运动序列最好被视为动作（抓握），因为它们是由高级目标（如吃食物）而不是效应器的物理特性来组织的。可供性的概念可能会引起 MN 研究人员的共鸣，因为它符合以下观点：运动被组织为整体，而这种整体最好由代理的意图而不是独立于代理的物理属性来定义。最近，Bonini 等人 [1] 将 MN 研究（关于物理世界中的工具性行为）扩展到社会互动，并将 MN 与社会可供性框架联系起来，将同种（“他人”）的感知置于中心。 MN 和社会可供性理论因缺乏清晰度而受到批评 [ 2 ]：将它们结合起来是否有望在理解社会大脑方面向前迈进一步？
宏观任务众包中的人工智能可供性
摘要 众包具有巨大的潜力：例如，宏观任务众包可以为应对气候变化的工作做出贡献。宏观任务众包旨在利用群体智慧解决棘手问题等非平凡任务。然而，宏观任务众包需要大量劳动力，而且执行起来很复杂，这限制了它的效率、效果和用途。人工智能 (AI) 的技术进步可能会通过支持促进众包来克服这些限制。然而，要实现这一点，需要更好地理解 AI 在宏观任务众包促进方面的潜力。在这里，我们求助于舞蹈理论来发展这种理解。在宏观任务众包中，可供性帮助我们描述表征促进者和 AI 之间关系的行动可能性。我们遵循两阶段、自下而上的方法：初始开发阶段基于对学术文献的结构化分析。随后的验证和改进阶段包括两个观察到的宏观任务众包计划和六次专家访谈。从我们的分析中，我们得出了支持宏观任务众包中的 17 项促进活动的七种人工智能可供性。我们还确定了说明可供性的具体表现形式。我们的研究结果增加了学术界对宏观任务众包的理解，并推动了关于促进的讨论。此外，它们还帮助从业者确定将人工智能融入众包促进的潜在方法。这些结果可以提高促进活动的效率和宏观任务众包的有效性。
模拟代理中的可供性和主动运动控制推理
灵活、目标导向的行为是人类生活的一个基本方面。基于自由能最小化原理，主动推理理论从计算神经科学的角度形式化了这种行为的产生。基于该理论，我们引入了一种输出概率、时间预测、模块化的人工神经网络架构，该架构处理感觉运动信息，推断其世界中与行为相关的方面，并调用高度灵活、目标导向的行为。我们表明，我们的架构经过端到端训练以最小化自由能的近似值，开发出可以解释为可供性图的潜在状态。也就是说，新出现的潜在状态根据本地环境发出信号，表明哪些动作会导致哪些效果。结合主动推理，我们表明可以调用灵活的、目标导向的行为，并结合新出现的可供性图。因此，我们的模拟代理可以灵活地穿越连续空间，避免与障碍物发生碰撞，并首选能够以高确定性到达目标的路径。此外，我们还表明，学习后的代理非常适合跨环境进行零样本泛化：在少数固定环境中训练代理后，这些环境中的障碍物和其他地形会影响其行为，它在程序生成的环境中的表现同样出色，这些环境包含不同数量的障碍物和不同位置的各种大小的地形。
使用可供性来改善人工智能对社交媒体发布决策的支持
智能系统在满足人们不断变化的社交需求方面的能力有限。我们使用可供性（人们对目标系统效用的感知）作为创建模型的手段，使智能系统能够更好地了解人们如何做出决策。我们在社交网络网站 (SNS) 使用背景下研究基于可供性的模型，在这个领域，人们有复杂的社交需求，但技术往往无法提供足够的支持。使用通过基于场景的调查 (N=674) 收集的数据，我们构建了两个关于人们在多个 SNS 上发布行为的基于可供性的模型。我们的结果强调了使用可供性帮助智能系统支持人们的决策行为的可行性：对于这项任务，我们的两个模型都比多数类基线准确约 15%，比随机基线准确约 33% 和 48%。我们将我们的方法与其他建模发布行为的方法进行了对比，并讨论了使用可供性为智能系统建模人类行为的影响。
Affordance - 诺曼底卡昂大学
摘要。可供性的概念是感知和行动的生态方法的支柱之一。它于 20 世纪 80 年代末在设计界流行起来，对人体工程学产生了巨大影响，主要是在人机界面 (HMI) 设计领域。我们回到可供性的概念，更具体地回到可供性的表征，它基于对个体固有的统一环境的描述，也就是说参考他的身体或其行动系统。在简要提醒一些基本原则和概念的定义之后，我们通过有关可供性文献的一些主要结果，详细介绍了经典地用于表征可供性的形式主义，直到其最近的发展。最后，我们讨论了功能可供性的概念及其在人体工程学中的形式主义所提供的远超出 HMI 的视角。
人类大脑动力学将可供性处理的早期感知阶段与晚期运动相关阶段分离
可供性，即环境为特定生物或代理提供的行动可能性（Gibson，1979），在指导代理行为方面发挥着至关重要的作用。在可供性感知领域，关于它是否是一个自动化过程一直存在争议。一些研究人员认为，可供性感知是一个自动化过程，因为它快速且毫不费力（Bonner & Epstein，2017；Goslin 等人，2012；Harel 等人，2022；Tucker & Ellis，1998），而另一些人则认为它不是自动化的，而是高度情境化的，并且可能受到偏见和期望的影响（Girardi 等人，2010；Kalénine 等人，2016；Mustile 等人，2021；Pellicano 等人，2010；Tipper 等人，2006；Wokke 等人，2016）。然而，综合视角提出，可供性自动化应理解为一个随时间变化的动态过程，其中可供性感知可能最初自动发生，但后来受到更高级认知过程的调节（Borghi & Riggio，2015；Djebbara 等人，2022；Gastelum，2020；Kourtis 等人，2018）。因此，可供性感知是否是一个自动化过程的问题可能取决于所考虑的具体环境和时间尺度。本研究使用脑电图 (EEG) 的大脑动态特征为可供性感知是一个随时间变化的过程的假设提供证据。可供性自动化问题与关于可供性处理的自上而下/自下而上的争论有关（Pezzulo & Cisek，2016），其中一些发现与自动自下而上的观点大致一致，表明可以毫不费力地处理可供性。 Tucker 和 Ellis (1998) 使用刺激-反应兼容性 (SRC) 范式，要求参与者尽快判断计算机显示器上显示的物体是直立的还是倒置的。在他们的实验中，物体以两种水平方向（与右手抓握或左手抓握兼容）和两种垂直方向（直立或反向）呈现。作者发现，当物体的手柄与反应手位于显示器的同一侧时，参与者对直立或倒置物体的反应比手柄在另一侧时更快，尽管物体的手柄与反应手无关