XiaoMi-AI文件搜索系统
World File Search System学习者
领导者与学习者 - 2024-2025 - 第 20 期
第 20 期 - 2025 年 2 月 5 日 在兰开斯特学校 二月即将来临，兰开斯特小学 (LES) 正在为心脏健康月做准备。整个二月，LES 将再次举办儿童心脏挑战赛。K-6 年级的学生将在体育课上参加这项引人入胜的筹款活动。儿童心脏挑战赛是美国心脏协会组织的一项社区服务学习计划，旨在教育学生养成有益心脏健康的习惯的重要性，并强调体育活动如何令人愉快。作为此次活动的一部分，学生将花时间跳绳、学习新技能并筹集资金以支持重要的研究和教育计划。
显微镜的掩盖自动编码器是细胞生物学的可扩展学习者
为生物搜索中使用的显微镜图像仍然是一个重要的挑战，尤其是对于跨越数百万图像的大规模实验。这项工作探讨了经过越来越较大的模型骨架和显微镜数据集训练时，弱监督的clasifirers和自我监管的蒙版自动编码器（MAE）的缩放属性。我们的结果表明，基于VIT的MAE在一系列任务上的表现优于弱监督的分类器，在召回从公共数据库中策划的已知生物学关系时，相对实现的相对效果高达11.5％。此外，我们开发了一种新的通道敏捷的MAE架构（CA-MAE），该体系结构允许在推理时输入不同数字和通道的图像。我们证明，在不同的实验条件下，在不同的实验条件下，CA-MAE通过推断和评估在显微镜图像数据集（Jump-CP）上有效地概括了，与我们的训练数据（RPI-93M）相比，通道结构不同。我们的发现促使人们继续研究对显微镜数据进行自我监督学习，以创建强大的细胞生物学基础模型，这些模型有可能促进药物发现及其他方面的进步。与此工作发布的相关代码和选择模型可以在以下网址找到：https：//github.com/ recursionpharma/maes_microscopy。
生成的多模式模型是良好的类增量学习者
在班级学习（CIL）方案中，由于阶级的偏见对当前任务的偏见引起的灾难性遗忘者长期以来一直引起了重大挑战。它主要由判别模型的特征引起。随着生成性多模式模型的日益普及，我们将探索用CIL生成的歧视模型代替歧视模型。，从歧视到生成模式过渡需要解决两个关键挑战。主要挑战在于将生成的文本信息转移到不同类别的分类中。在方面，它需要在生成框架内制定CIL的任务。为此，我们提出了一种新颖的生成性多模式模型（GMM）框架，用于类增量学习。我们的方法直接使用改编的生成模型为图像生成Labels。获得详细的文本后，我们使用文本编码器来阐述文本特征，并采用匹配的功能来确定最相似的标签与分类的标签。在传统的CIL设置中，我们在长期序列的任务方案中取得了更好的影响。under少数CIL设置，与所有当前最新方法相比，我们的精度至少提高了14％，而遗忘的遗忘明显较小。我们的代码可在https://github.com/doubleclass/gmm上找到。
学习者对计算机化认知训练转移到 L2 学习的看法：COVID-19 的适应性案例
摘要 认知训练 (CT) 是指通过练习和/或有意识的指导来提高认知和大脑机制效率的程序。计算机化认知训练 (CCT) 领域的一个极具争议的问题是它可能转移到非训练领域；一门尚未涉及的学科是第二语言 (L) 学习。因此，由于注意力的促进作用和工作记忆在 L 发展和理解中的预测强度，CCT 对英语学习者来说似乎是必要的。此外，很少有研究调查过用户对其认知功能潜在改善的看法。为了填补这些固有的空白并克服在 COVID 大流行期间进行干预研究所面临的障碍，本研究采用跨学科方法来探索英语学习者自我感知的远程自适应多领域计算机化认知训练 (RAMCCT) 在一般认知功能和 L 特定认知功能中的远迁移 (FT) 效应。因此，对完成了八周 RAMCCT 的中级 EFL 学习者进行了 L 接受技能课程（阅读和听力）的在线观察和同步半结构化访谈。主题分析 (TA) 显示，在一般认知功能中，工作记忆、注意力、多任务处理、处理速度、手眼/耳协调性都有所提高，在注意力和理解力以及速度方面，L 接受技能中的一项或两项都有所提高。通过注意力、工作记忆和多任务处理之间的相应联系以及核心认知过程的自动化讨论了结果。其含义涉及游戏设计师、L 教师、教师培训项目和研究人员。关键词：计算机化认知训练、远迁移、L 接受技能、主题分析、COVID-。
学习者在教育方面的AI利用率及其
本研究调查了11年级学生对生成AI在教育中的整合的看法，重点是其对学生在生活科学领域的学术成就的影响。采用了定量研究设计，涉及对菲律宾Bukidnon的Malaybalay部门内的183名11年级学生进行的调查，评估了生命科学中的内容知识和对AI整合的看法。调查结果表明，学生通常对使用生成AI的使用有积极的态度，并认识到其增强学习经验的潜力。但是，许多学生在生活科学方面都在学术上挣扎，许多学生未能达到预期的成就水平。此外，在学生对AI整合的看法与他们的学习成绩之间发现了相关性，这表明对AI的有利态度可以积极影响学习成果。为了应对这些挑战，建议将来的研究对AI整合对生命科学的影响进行。
survivalsl：从审查数据中进行生存预测的超级学习者
lib_coxall。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>13 lib_coxes。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>14 lib_coxelasso。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。16 lib_coxridge。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18 lib_ph exppentential。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 lib_phgompertz。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 lib_phspline。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 lib_plann。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24 lib_rsf。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26 lib_snn。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。27个指标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。29 plot.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。30个情节。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 plot.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。33 Predive.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。34 predict.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。35 print.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。36 print.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37 ROC。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 38 summary.libbsl。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 39 summary.sltime。 。 。 。37 ROC。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。38 summary.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。39 summary.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。41 roverivalsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。42 tunecoxaic。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。46 Tuncoxen。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 47 Tuncoxlassso。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 49 Tunecoxidge。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。46 Tuncoxen。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。47 Tuncoxlassso。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 49 Tunecoxidge。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。47 Tuncoxlassso。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。49 Tunecoxidge。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。49 Tunecoxidge。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>50 tunepspspline。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>52 Tunepann。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 53 Tunersf。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>52 Tunepann。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>53 Tunersf。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>53 Tunersf。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。55 tunesnn。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。56
结合机器学习和学习者选择
尽管个性化学习的好处现在已经有充分的文献记载，但其在学校中的概括受到高层规模的挑战。诸如智能辅导系统（ITS）之类的教育技术可能有助于应对这一挑战并帮助教师和学生。最近，利用了一种利用好奇心驱动的学习模型的方法来构建其个性化练习序列。基于学习进度假设（LPH），这种方法包括提出学生练习，以最大程度地提高学习进度，并使用多武力的强盗机器学习技术逐渐识别。与人类专家设计的课程相比，与人类专家相比，在实地研究中以前显示了所产生的算法（ZPDE）在学习表现方面更有效。但是，有两个限制。首先，没有评估动机影响。第二，ZPDE算法并没有使学生能够表达选择。代理中的这种局限性与最初与建模好奇心驱动的学习有关的LPH理论不符。在这里，我们介绍了一个系统（ZCO），该系统（ZCO）结合了使用LP的自适应运动提议，并有可能使学生做出选择。这些选择的可能性涉及锻炼难度正交的维度，并且是许多现有教育技术的游戏化实例。我们首先表明，基于LP的个性化改善了学习绩效（再现和巩固先前的结果），同时产生积极而激励的学习经验。我们提出了一项广泛的现场研究（来自11所学校的265个7-8岁儿童，RCT设计），将基于LP的自动课程生成系统与手工设计的课程进行了比较，无论有没有自我选择。然后，我们表明，增加自我选择作为嬉戏的功能，触发了学习者的内在动机，并增强了基于LP的个性化的学习有效性。这样做，它加强了认真游戏中内在动机与表现进步之间的联系。相反，对于手工设计的线性路径，观察到了嬉戏特征的有害效果。因此，只有在课程个性化对学习者有效的情况下，由嬉戏的功能引起的内在动机才是有益的。由于在市场上可用的非适应性教育技术中使用了嬉戏的功能，因此值得关注的结果。
模型 - 敏捷的元学习者用于估计
在许多学科（例如个性化医学）中，随着时间的推移估算异质治疗效果（HTE）至关重要。现有的此任务的作品主要集中在基于模型的学习者上，这些学习者适应了特定的机器学习模型和调整机制。相比之下，模型不足的学习者（所谓的元学习者）在很大程度上没有探索。在我们的论文中，我们提出了几个元学习者，这些学习者可以与型号不合时宜，因此可以与任意机器学习模型（例如变形金刚）结合使用，以随着时间的推移估算HTES。然后，我们提供了一项全面的理论分析，该分析表征了不同的学习者，并使我们能够洞悉特定的学习者何时更可取。此外，我们提出了一种新颖的IVW-DR-LEARNER，即（i）使用双重稳健（DR）和正交损失； （ii）利用我们得出的逆变量权重（IVW），这些权重稳定了DR-als。由于DR-loss中的反质量反应产物，我们的IVW减小极端轨迹，导致估计方差较低。我们的IVW-DR-LEARNER在我们的实验中取得了卓越的性能，尤其是在重叠率较低和长期视野的方案中。
俄勒冈州多语言学习者战略计划社区摘要
俄勒冈州的经济和文化繁荣取决于支持多种人类用途和多样化栖息地的健康土地。在美国所有州的血管植物多样性中排名前五，俄勒冈州是大约3500种本地血管植物物种的家园，其中约有14％被认为是易受伤害或处于处于危险中的物种。这种非凡的植物财富构成了九个不同的生态区的基础，每个生态区都拥有独特的植物社区，这些植物社区自远古以来就一直持续了土著文化。俄勒冈人本地植物群的多样性提供了必不可少的生态系统服务，包括提供食品和粮食安全，野生动植物栖息地，维持水和空气质量，隔离碳，稳定土壤和防止侵蚀，为土著人民提供文化和精神上有重要的材料，并为居民和居民提供众多娱乐活动的机会。依赖于健康土地的资源依赖的经济活动包括伐木，牲畜放牧，采矿，园艺和农业。一些保护关注的物种，例如标志性的更大的鼠尾草（Centropercus urophasianus），Coho鲑鱼（Oncorhynchus kisutch）和西部雪地洛夫（Charadrius Nivosus Nivosus），依赖于
原创文章 提高年轻学习者的运动教育能力：通过教学游戏来挑战“无脑学校”的污名
原创文章 增强年轻学习者的运动教育能力：通过教学游戏来理解“无脑学校”的耻辱 INDRA SHOLEHUDIN 1* , SONI NOPEMBRI 2 , YUDANTO 3 , FERRY FENDRIAN 4 , TIAN KURNIAWAN 5 1,2,3 印度尼西亚日惹大学体育教育系 4 体育系教育，Sekolah Tinggi Keguruan Dan Ilmu Pendidikan Pasundan，印度尼西亚 5 体育科学系，Universitas Pendidikan Indonesia，印度尼西亚 在线发布：2025 年 1 月 31 日 接受出版：2025 年 1 月 15 日 DOI：10.7752/jpes.2025.01021 摘要：发展运动技能是运动技能的重要组成部分影响学生身体能力和协调性的教育。运动可教育性是指个人通过指导和练习学习和掌握运动技能（身体动作）的能力。这一概念包括认知能力（思考和理解）、感官知觉（如视觉、听觉和本体感觉）和肌肉协调。然而，在印度尼西亚，社会对体育学校的体育活动与认知能力较低存在偏见，体育学校通常被称为“无脑学校”。理解教学游戏 (TGFU) 方法强调理解游戏战术和策略，以增强学生的运动技能。尽管有这样的前景，但大多数关于 TGFU 的研究主要集中在认知发展上，而培养运动技能可教育性的作用尚未得到充分探索。目的：因此，本研究旨在研究 TGFU 方法对小学生运动可教育性的影响。材料和方法：采用准实验设计，分为三组，即对照组（体育活动最少的学生）、常规体育活动组和从事基于 TGFU 的体育活动的实验组。 90 名 9-11 岁的小学生参加了这项研究，每组 30 名学生。使用运动可教育性测试、协调性测试和游戏表现评估工具 (GPAI) 来评估运动技能的发展。结果：研究表明，参加基于 TGFU 的体育项目的学生的运动技能，特别是协调性和精细运动技能有显著提高。与对照组和常规体育活动组相比，实验组取得了更大的进步。结论：这项研究挑战了体育运动与认知或运动技能卓越不相容的偏见。通过展示基于 TGFU 的学习在运动和认知维度上的双重好处，分析概述了 TGFU 是体育课程的宝贵补充，它促进了年轻学习者的全面发展。关键词：TGFU、运动可教育性、体育、决策、小学生 简介 运动技能发展是教育的重要组成部分，尤其是在年轻学习者的成长时期（Rahmanto 等人，2024 年）。尽管运动技能很重要，但传统的教育模式往往会限制通过游戏增强身体认知能力的机会（Revilla 等人，2021 年）。发展运动技能不仅可以增强身体能力，还有助于提高整体幸福感和学业成绩（Aliriad，2023 年）。此外，运动技能与体育学习中的自尊心密切相关（Shakty 等人，2022 年），强调了对学生心理健康的影响。运动协调也通过执行功能的中介作用与学业成绩相关联（Schmidt 等人，2017 年）。这些证据表明，运动技能支持身体和认知发展，从而增强了教育价值。运动可教育性是指个人通过指导和练习学习和掌握运动技能（身体动作）的能力。这一概念涵盖认知能力（思考和理解）、感官知觉（如视觉、听觉和本体感觉）和肌肉协调。然而，在印度尼西亚，一种普遍的社会偏见将体育学校的体育活动与较低的认知能力联系起来，并经常被称为“无脑学校”（Supandri，2009 年）。这种偏见削弱了将体育教育纳入更广泛课程的重要性，并贬低了从事体育运动的学生的智力潜力。教学游戏理解 (TGFU) 方法是一种教学框架，将重点从传统的和基于技能的体育教育转移到以理解为导向的方法。它比传统方法更有效地促进批判性思维、自主性和身体素养（Doozan & Bae，2016 年）。通过强调游戏战术和策略，TGFU 使学生能够更深入地理解游戏玩法，从而提高运动和认知技能。实施 TGfU 进一步要求教师成为学生思维过程的熟练观察者和促进者（Mitchell & Collier，2009）。尽管这一证据表明，运动技能有助于身体和认知发展，从而增强了教育价值。运动可教育性是指个人通过指导和练习学习和掌握运动技能（身体动作）的能力。这一概念包括认知能力（思考和理解）、感官知觉（如视觉、听觉和本体感觉）和肌肉协调。然而，在印度尼西亚，一种普遍的社会偏见将体育学校的体育活动与较低的认知能力联系在一起，并经常被称为“没有大脑的学校”（Supandri，2009 年）。这种偏见削弱了将体育教育纳入更广泛课程的重要性，并贬低了从事体育运动的学生的智力潜力。教学游戏理解 (TGFU) 方法是一种教学框架，将重点从传统的和基于技能的体育教育转移到以理解为导向的方法。它比传统方法更有效地促进批判性思维、自主性和身体素养（Doozan & Bae，2016 年）。通过强调游戏战术和策略，TGFU 使学生能够更深入地理解游戏玩法，从而提高运动和认知技能。实施 TGfU 进一步要求教师成为学生思维过程的熟练观察者和促进者（Mitchell & Collier，2009）。尽管这一证据表明，运动技能有助于身体和认知发展，从而增强了教育价值。运动可教育性是指个人通过指导和练习学习和掌握运动技能（身体动作）的能力。这一概念包括认知能力（思考和理解）、感官知觉（如视觉、听觉和本体感觉）和肌肉协调。然而，在印度尼西亚，一种普遍的社会偏见将体育学校的体育活动与较低的认知能力联系在一起，并经常被称为“没有大脑的学校”（Supandri，2009 年）。这种偏见削弱了将体育教育纳入更广泛课程的重要性，并贬低了从事体育运动的学生的智力潜力。教学游戏理解 (TGFU) 方法是一种教学框架，将重点从传统的和基于技能的体育教育转移到以理解为导向的方法。它比传统方法更有效地促进批判性思维、自主性和身体素养（Doozan & Bae，2016 年）。通过强调游戏战术和策略，TGFU 使学生能够更深入地理解游戏玩法，从而提高运动和认知技能。实施 TGfU 进一步要求教师成为学生思维过程的熟练观察者和促进者（Mitchell & Collier，2009）。尽管