XiaoMi-AI文件搜索系统
World File Search System可理解性
可视化和文本的处理速度和可理解性
由于可视化在每天的生活中变得越来越重要，因此了解它们实际上有多帮助，尤其是与文本相比，至关重要。此最先进的报告概述了人类对静态可视化或文本是否更快，哪个是更好的综合性。为此，讨论了19项研究，两个荟萃分析和一篇文章。一般而言，没有任何全球范围都无法找到，因为只有少数研究直接将文本与没有其他文本的可视化进行比较，而这些研究产生了冲突的结果。大多数研究将文本与文本与其他拟合性进行了比较，并显示出其积极和负面影响。在处理时间时，根本没有比较研究。关于可理解性，研究显示了一些有趣的结果。如果仅存在可视化或仅文本，则两者似乎同样可以理解。在大多数情况下，将可视化添加到文本中的可理解性。装饰图片可以提高情绪并增加学习的表现，但他们也可以将注意力从重要方面转移出来。此外，尤其是年幼的孩子和贫穷的学习者可能会遇到链接文本和可视化信息的问题。
Oko法律在1991 - 2019年应用可理解性说
摘要/摘要/摘要可再生能源产生的增长以及将电网的整合开始影响电气系统操作的安全性和稳定性。因此，由于风能和光伏太阳能等可再生能源开始逐渐替代常规植物，网络集成要求已成为主要问题。因此，已经建立了一些新的法规和技术要求，以确保网络稳定性。本研究对可再生电厂集成到电网的最新要求进行了更新的综述。进行了审查，以比较与网络稳定性有关的电压，频率稳定性，能量质量，主动和反应性能源法规有关的主要要求。严格的审查表明，尽管最近的集成要求可以提高网络稳定性，但仍然需要进行其他改进。单词clave：网络稳定性，可再生发电，集成要求。
第二个清晰度预测挑战：助听器可理解性预测的机器学习挑战
本文报告了第二个清晰性词典挑战（CPC2）的设计和结果，以预测听力障碍的人听到的助听器处理信号的清晰度。挑战旨在促进新方法，以估算可用于未来助听器算法开发的助听器信号的清晰度。它在许多关键方向上扩展了较早的一轮（CPC1，2022），包括来自新的语音清晰度聆听的较大数据集，测试材料的可变性更大，以及一个需要预测系统才能推广到不看见的Al-Gorithms和听众的设计。本文提供了有关新公开可用的CPC2数据集，CPC2挑战设计和基线系统的完整描述。挑战吸引了9个研究团队的12个系统。审查了系统，其性能是分析的，并提出了结论，参考了自早期CPC1挑战以来所取得的进展。，可以看到基于预训练的大声学模型的无参考，非侵入性系统如何在这种情况下表现良好。
人工智能造福社会：人机交互增强智能视频可理解性评估，促进健康素养
2022 年 12 月 3 日 据估计，美国有 74% 的成年人会访问互联网，其中高达 80% 的人会在网上寻找健康信息。然而，只有 12% 的美国成年人被评估为具备熟练的健康素养，能够有意义地解读健康信息。全球数十亿个人在社交媒体平台上获取医疗保健信息，他们可能会接触到误导性、有害或不相关的信息。社交媒体平台缺乏把关，对公共健康产生了严重的不利影响。美国国家医学院 (NAM) 和世界卫生组织 (WHO) 等组织强调了规范性指南的重要性，这些指南对于通过技术支持的解决方案在社交媒体上识别可靠的健康信息来源至关重要。从社交媒体使用中收集的数字跟踪数据的可用性以及通过算法进行的信息搜索的普遍性，需要更好地理解内容审核挑战和规范性干预措施，将人类智能融入机器学习。 2021 年，美国卫生局局长的咨询报告指出，社交媒体平台迫切需要扩大高质量的健康信息。我们借鉴患者教育材料评估工具 (PEMAT)，这是一种系统化的视听教育材料评估方法，开发了一种从患者教育角度评估视频可理解性的方法。我们从 YouTube 中提取视频特征和元数据，开发了一种人机互动评估，该评估明确侧重于人机算法交互，结合基于 PEMAT 的患者教育结构、领域专家的注释和机器学习的共同训练方法，以评估糖尿病视频的可理解性。我们进一步研究了可理解性对视频参与度的几个维度的影响。讨论了对研究和实践的影响。致谢：作者感谢 AIDR 研讨会、AMIA、机器学习、优化和数据科学会议、Informs 数据科学研讨会、VIDE 研讨会系列、Neurips MLPH、WITS、WISE 和 SCECR 会议的参与者对本文早期草稿的评论，以及波士顿大学、麦吉尔大学、麻省理工学院、MSU Outreach、马里兰大学、纽约大学、天普大学、德克萨斯 A&M 大学和伊利诺伊大学芝加哥分校的研讨会参与者对本文早期草稿的评论。我们感谢 Ernestina Bioh、Sreeja Nair、Mukund Nakhate 和 Namrata Navge 的研究协助。我们还要感谢美国国家医学图书馆 (NIH Grant R01LM013443) 的资助。
TBM的预测 肺炎的塞斯是肺炎的孩子。 Oko法律在1991 - 2019年应用 可理解性说
这项工作的重要性在于情感经历对生存的重要性（Darwin，1872； Ledoux，2012）以及人类的适当心理社会发展（Borges＆Naugle，2017; Pleeging等，2019）。当情感体验不足或不足以适合情境需求时，它就成为适应的问题（Aldao等，2010； Colombo等，2020）。情感经历发生在经历它的人的有机体中（Blair＆Diamond，2008； Raz等，2016）。因此，我们认为，与情感体验过程的特征的了解一起，必须了解其生物基础，以促进基于基础改善情绪状态的资源。
使用大语言模型转换知情同意书的生成：混合方法研究
背景：用于临床试验的知情同意书（ICF）变得越来越复杂，由于合法的术语和冗长的内容而引起的参与者的理解和参与通常会阻碍参与者。大型语言模型（LLMS）的最新进展为简化ICF创建过程的机会，同时改善可读性，可理解性和可行性。目标：本研究旨在评估Mistral 8x22b LLM在生成具有提高可读性，可理解性和可行性的ICF时的性能。具体来说，我们评估了模型在生成可读，可理解和可行的ICF时的有效性，同时保持准确性和完整性。方法：我们使用Mistral 8x22b模型从IMass Chan医学院的机构审查委员会中处理了4项临床试验方案，以生成ICF的关键信息部分。由8位评估者组成的一个多学科团队，包括临床研究人员和健康信息家，评估了针对人类生成的对应物的生成的ICF，以完成完整性，准确性，可读性，可理解性和可行性。关键信息指标的可读性，可理解性和可行性，其中包括18个二进制项目，用于评估这些方面，得分较高，表明信息的可访问性，可理解性和可行性更高。统计分析，包括Wilcoxon等级总和测试和类内相关系数计算，用于比较输出。与人类生成的版本相比，LLM生成的内容在可操作性上取得了完美的分数（100％vs 0％; P <.001）。结果：LLM生成的ICF表现出与关键部分之间人类生成版本相当的性能，准确性和完整性没有显着差异（p> .10）。LLM在可读性（可读性，可理解性和可行得分76.39％vs 66.67％vs 66.67％; FLESCH-KINCAID等级的7.95 vs 8.38）和可理解性（90.63％vs 67.19％; P = .02）中的超过了人类生成的ICF（可读性，可理解性和可行性； 7.95 vs 8.38）。 评估者一致性的类内相关系数为0.83（95％CI 0.64-1.03），表明整个评估的可靠性良好。 结论：Mistral 8x22b LLM在不牺牲准确性或完整性的情况下增强了ICF的可读性，可理解性和可行性方面表现出了有希望的能力。 llms为ICF生成提供了可扩展的，有效的解决方案，潜在地增强了参与者的理解和临床试验中的同意。超过了人类生成的ICF（可读性，可理解性和可行性； 7.95 vs 8.38）。评估者一致性的类内相关系数为0.83（95％CI 0.64-1.03），表明整个评估的可靠性良好。结论：Mistral 8x22b LLM在不牺牲准确性或完整性的情况下增强了ICF的可读性，可理解性和可行性方面表现出了有希望的能力。llms为ICF生成提供了可扩展的，有效的解决方案，潜在地增强了参与者的理解和临床试验中的同意。
不可知可解释的人工智能工具 - TUE 研究门户
与模型无关的可解释人工智能工具通过“局部”特征贡献来解释其预测。我们通过实证研究了两种优于当前方法的潜在改进。第一种方法是始终以用户认为对结果有积极贡献的形式来呈现特征贡献（“积极框架”）。第二种方法是添加“语义标签”，解释每个特征贡献的方向性（“该特征可使合格率提高 5％”），从而减少额外的认知处理步骤。在一项用户研究中，参与者评估了针对贷款申请和音乐推荐的不同框架和标签条件的解释的可理解性。我们发现，即使预测为负面，积极框架也能提高可理解性。此外，添加语义标签可以消除任何框架对可理解性的影响，积极标签的表现优于消极标签。我们在 ArgueView[11] 包中实现了我们的建议。
技能教育部课程2025- ...
对于XI级的学生来说，已经成为一个非常有趣但有时充满挑战的学生。它增强了可理解性，创造力和创新性。它还提高了演示和沟通技巧。遵守指导方针已被制定，以实现统一性和奖励学生的创造力。学生可以根据他们的可理解性和教室知识来准备任何组织，运输，酒店，食堂或任何其他服务组织的项目报告的项目报告。他们可能会从各自的老师那里获得指导，以提高他们的技能和知识。该项目应该是学生的唯一工作。
UniBE 指南 - 人工智能研究 (2024)
2.7 必要性原则 ................................................................................................................................ 5 2.8 可解释性原则 ................................................................................................................................ 5 2.9 有效性原则 ................................................................................................................................ 5 2.10 透明性、可理解性和可重复性 ................................................................................................ 5 2.11 可接受性原则 ............................................................................................................................. 6 2.12 数字主权/不使用人工智能的可能性 ............................................................................................. 6
澳大利亚糖尿病健康素养政策和实践的转变——促进组织健康素养
摘要：提高组织健康素养可确保人们能够浏览、理解和使用基本健康信息和服务。然而，系统评价发现，实施此类组织变革的实际方法证据有限，特别是在国家层面。本研究旨在 (a) 调查澳大利亚国家糖尿病组织——澳大利亚糖尿病协会作为国家糖尿病服务计划 (NDSS) 的管理者——在 15 年期间为提高组织健康素养所采取的方法；(b) 研究组织变革对健康信息的健康素养需求的影响。我们进行了环境扫描，检查了 NDSS、澳大利亚糖尿病协会和澳大利亚政府的网站上，查找 2006 年至 2021 年期间描述组织健康素养政策和实践的报告和立场声明。患者教育材料评估工具 (PEMAT) 被应用于连续发布的 NDSS 糖尿病自我护理情况说明书 (n = 20)，以评估同期这些情况说明书的健康素养需求 (可理解性和可操作性) 的变化。我们确定了 2006 年至 2021 年期间导致 24 项健康素养实践变化或项目的九项政策，采用精简的渐进式方法和群体反思。渐进式方法侧重于 (1) 扩大受众范围、(2) 一致性和品牌化、(3) 以人为本的语言和 (4) 健康信息的可理解性和可操作性。 2006 年至 2021 年间，事实表的 PEMAT 得分在可理解性（53% 至 79%）和可操作性（43% 至 82%）方面有所提高。澳大利亚糖尿病协会的信息开发过程利用国家政策，采用渐进式方法和群体反思，提高了糖尿病信息的健康素养要求，并为其他寻求提高组织健康素养的组织提供了模板。