卫生服务研究和卫生经济学研究所(J Sommer PhD、SO Borgmann PhD、V Gontscharuk PhD、Prof A Icks PhD)和临床糖尿病学研究所(OP Zaharia MD、H Maalmi PhD、C Herder PhD、Prof R Wagner MD、M Schön PhD、V Burkart PhD、Prof J Szendroedi MD、Prof M Roden MD)和生物识别和流行病学研究所(K Strassburger PhD)、德国糖尿病中心、莱布尼茨糖尿病研究中心、杜塞尔多夫海因里希海涅大学,德国杜塞尔多夫;卫生服务研究和卫生经济学研究所、健康与社会中心、杜塞尔多夫海因里希海涅大学医学院和大学医院,德国杜塞尔多夫(J Sommer、SO Borgmann、V Gontscharuk、Prof A Icks);德国糖尿病研究中心 (DZD eV),纽赫伯格,德国(J Sommer、SO Borgmann、V Gontscharuk、OP Zaharia、H Maalmi、C Herder、R Wagner 教授、K Strassburger、M Schön、V Burkart、J Szendroedi 教授、AFH Pfeiffer 医学博士、
We would like to thank Carrie Exton from the OECD Centre on Well-Being, Inclusion, Sustainability and Equal Opportunity (WISE) for her comments and support, as well members of the OECD informal advisory group on subjective well-being measurement who provided comments on this document: Jason Fields, Rosemary Goodyear, Carol Graham, Erhabor Idemudia, Tim Lomas, Shige Oishi, Anna Pärnänen, Mariano Rojas,Claudia Senik,Conal Smith,Laura Taylor,Alessandra Tinto和Anna Visser。也要感谢Mark Fabian和LucíaMacchia的反馈,以及经合组织统计与统计政策委员会(CSSP)的代表,包括韩国,墨西哥,西班牙和Türkiye的国家统计局。我们还要感谢伦敦经济学院的乔治·梅利奥斯(George Melios)在盖洛普世界民意调查中对享受和生活满意度的指示性分析,以及加拿大统计局(Statistics Canada)对他们的经验取样研究的见解。
CAIRS:用于数字心理健康的因果人工智能推荐系统 Mathew Varidel,博士 a;Victor An a,Ian B. Hickie a,医学博士,Sally Cripps b,c,博士,Roman Marchant b,c,博士,Jan Scott d,博士,Jacob J. Crouse a,博士,Adam Poulsen a,博士,Bridianne O'Dea e,博士,Frank Iorfino a,博士 a 悉尼大学大脑与思维中心,澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所,澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院,澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学,英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所,弗林德斯大学,南澳大利亚阿德莱德,澳大利亚。 * 通讯作者:Mathew Varidel,5 楼,1 King Street,Newtown,新南威尔士州 2042,mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议,通常使用简单的静态规则系统(例如,if-else 语句)或结合预测性人工智能。然而,干预建议需要基于对不同干预措施下未来结果的比较来做出决定,这需要考虑因果关系。在这里,我们开发了 CAIRS,这是一个因果人工智能推荐系统,它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议,以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点(从基线开始 1 周 - 6 个月)的多个心理健康和相关领域的纵向数据。在我们的例子中,心理困扰被发现是影响多个领域(例如个人功能、社会联系)的关键影响领域,因此在多个领域不健康的复杂情况下,心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境,并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词:因果关系;人工智能;决策理论;幸福感;心理困扰;功能;睡眠;社会支持
数字技术可以影响人们生活的不同方面。如果这些技术能够广泛普及,并被人们通过强大的技术技能驾驭,它们可以通过影响劳动力市场、生产力和消费,对经济福祉产生积极影响。然而,它们对福祉的社会和关系方面的影响并不那么明确。最近的文献强调,数字技术(尤其是数字媒体)对福祉的不同维度既有积极影响,也有消极影响,过度或不当使用这些媒体会带来风险。例如,过度使用数字设备进行休闲活动会导致学生成绩下降和在学校的归属感降低。数字技术对健康的总体影响是微妙的:一方面,技术支持的医疗保健改善了获取医疗信息和服务的渠道,从而可以增强福祉。另一方面,过度使用数字媒体和设备可能与焦虑、抑郁和孤立有关,尤其是在年轻女性中,它们可能是行为问题的根源。同样,数字技术改变了人们社交的方式,但它们对社会孤立和孤独的影响仍然很复杂,尚未完全了解。数字技术对公民参与的影响也是一把双刃剑。虽然它们促进了公众生活的参与,但同时也助长了错误和虚假信息,加剧了人们对网络信息的不信任,并可能加剧政治两极分化。此外,网络骚扰的增加,尤其是针对女性和性少数群体的骚扰,凸显了数字互动的阴暗面。了解数字技术使用与主观幸福感之间的关系需要进一步研究。最后,数字技术可以帮助弥合数字鸿沟,但也可能相互作用并强化这些鸿沟,可能会加剧现有的不平等。
俄勒冈州学区正处于教育学生方式的转折点。教师、学校工作人员和学生正在学习如何在教育环境中进行教学和学习,而教育环境因移动设备(包括手机)的使用增加以及人工智能等快速发展的数字技术而发生了变化。在俄勒冈州,K-12 学生拥有手机的情况很普遍,相当多的学生将设备带到学校。1,2 最近的研究表明,手机和社交媒体的使用会增加青少年学习成绩不佳 3,4 和心理健康问题的风险。5 俄勒冈州和全国各地的学校和学区正在通过实施限制或禁止在校期间使用手机的政策来应对这些问题。6
累积伤害的定义有助于我们理解反复虐待和忽视造成的重复性创伤的影响,以及对儿童一生的影响,即不良后果。这通过考虑不良童年经历 (ACE) 的广泛研究得到证实,该研究侧重于成人 ACE 经历的结果 (Struck 等人)。虽然这很重要,但累积伤害这一术语使我们关注儿童的日常生活经历,赋予虐待、忽视和其他不良事件的普遍性、发生率和多重性的影响以意义。儿童可能会经历持续的忽视、父母的温暖程度低和批评程度高,或者可能会经历各种情况和事件的组合,例如持续的言语虐待、严厉的管教和遭受家庭虐待。贫困和其他结构性因素(如住房不足)也可能增加影响。这些伤害会在儿童的童年时期产生影响。
提供的描述:参加压力、焦虑和幸福感实验室需要至少 3.20 GPA、符合研究兴趣并至少有 10 小时的空闲时间。该实验室要求至少投入两 (2) 个学期。学生设计和执行的项目(独立项目、论文)代表了实验室的大部分工作。项目通常侧重于技术对人类功能的影响(例如,无依赖性恐惧症、FoMO、远程压力)、导致压力和焦虑的因素,以及有助于减少此类有害影响的应对方法。其他工作侧重于幸福感,尤其是在工作的成年学生样本中。实验室的学生需要参与科学过程的所有方面,从研究设计到通过在相关的地区、国家和国际会议上进行演示来报告结果。
ORCW的ORCW计划理论基于既定理论(弹性理论和自决理论),并反映了委员会的价值观和协作专业知识。该计划理论的中心前提是孩子,青年和家庭及其福祉的优势。当逆境发生时,家庭会借鉴其优势和韧性。儿童福利制度努力赋予家庭能力并减轻逆境对家庭的影响,为他们提供了健康和成长的机会。不容置疑的威胁减少了良好的态度,喂养压迫并削弱了家庭的韧性,有时会因虐待或忽视而造成对儿童受到伤害的风险。在这些情况下,儿童保护解决了虐待和忽视,从而减轻了对儿童的直接风险。在整个工作中,包括DCF在内的儿童福利系统继续与家人合作,建立自己的优势,并提供资源和机会,以恢复其福祉,善良的态度并建立弹性。
背景 为应对 COVID-19,各国实施了封锁措施,并采取了严格的社交疏离措施,例如限制家庭访客。这些措施可能会对独居老人造成影响,因为在 COVID-19 之前,他们就更有可能出现抑郁症状、感知到的压力和情绪困扰。封锁措施可能会导致这些老年人经历更大的孤立感,而长时间的社会孤立会导致慢性孤独和抑郁。社交联系是减轻社会孤立影响的有效和推荐方法。然而,封锁措施使得与家庭以外的人保持社交活动变得困难。因此,电话或视频通话和短信等通信技术成为维持社交活动的重要工具。然而,该主题的现有研究大多集中在老年人身上,而没有研究生活安排的调节作用。 项目重点 本研究旨在研究独居老年人与与他人同住的老年人相比,对通信技术的接受度和能力之间的关联,以及它们在提供情感支持和幸福感方面的作用。研究结果有助于理解通信技术与幸福感之间的关联。它还将独居老年人列为通信技术教育的重点对象。
零工工作者数量庞大,成为城市中动态、流动的价值符号(Pei et al.,2021a)。算法管理环境下,对零工工作者工作特征的感知存在差异,有的个体关注工作保障,有的个体关注工作自主性(Felix et al.,2023)。由于零工工作者通过自主创业的方式从事零工工作,从业者与平台之间不存在隶属关系(Guo et al.,2023)。同时,在线劳动力平台多以线上接单、线下服务的工作模式为主,零工工作者可以自由决定线上线下时间和工作自主性(Duggan et al.,2020)。相较于传统就业方式,平台对工作出勤和在职时间没有强制性要求,自主就业的工作模式更加灵活自由(张建军、杨文斌,2022),赋予劳动者自主分配时间和精力的权力(Wood等,2019),成为吸引零工劳动者的重要因素之一(邓建军、李文斌,2021),因此零工工作是工作自主性领域的新兴议题。然而,算法技术对零工劳动过程的调控,会促使零工劳动者在不具备自主性的情况下增加工作时间投入,产生“自主—控制”悖论(Putnam等,2014;Shevchuk等,2019)。在零工情境下,平台工作者的劳动体验与工作态度会呈现出独有的特征(黄宗智,2019)。随着零工规模的扩大,从业者的体验受到日益关注。