XiaoMi-AI文件搜索系统
World File Search System建构
落地多模态交互
智能及相关学科。我们的研究涉及语言、逻辑和认知界面上“扎根表征”介导的人类行为多模态意义建构的理论、方法和应用理解 [ 1 ]。在这里，通过将知识表示和推理与视觉计算相结合的系统神经符号机制，声明性地介导扎根推理以实现协作自主具有特殊意义。预期的功能目的涵盖各种操作需求，例如可解释的多模态常识理解、用于通信和总结的多模态生成/合成、多模态解释引导的决策支持、多模态行为适应和自主以及多模态分析可视化。为实现这些操作需求而开发的方法和工具也必须与领域无关，并且它们既能满足在线/实时操作，也能满足不同应用场景中的事后操作（例如，参考 [ 2 ] 中在线神经符号绑架应用于自动驾驶领域的案例）。
健康研究人员工具包 - 值得关注的事情
性别和基于性别的分析 (SGBA)：一种系统地研究男性、女性、男孩、女孩和性别多元化人群之间基于性别 (生物学) 和基于性别 (社会文化) 的差异的方法，因此有可能扩大我们对所有人健康决定因素的理解。性别：人类和动物的生物学属性，主要与身体和生理特征有关，包括染色体、基因表达、激素水平和功能以及生殖/性解剖学。通常分为女性或男性，但也有变化。性别：女孩、女人、男孩、男人和性别多元化人群的社会建构角色、行为、表达和身份。性别通常被概念化为女孩/女人和男孩/男人，但在理解、体验和表达性别方面存在相当大的多样性。性别年龄主义：由于对年龄、性别和性别的偏见和假设而对老年妇女的歧视。
课程计划指导问题 - 1-12 年级
教学 / 学习顺序 开始 / 激活：我将如何激活先前的经验、知识和技能？我将如何吸引 / 吸引学习者并促进学习者探究？我将如何帮助学习者建立联系？我将提出哪些有教育意义的问题？我将如何改变复杂度？ 中间 / 行动 / 应用 / 探索：教学 我将使用哪些教学策略？学习如何发展（例如，逐步释放责任）？我们将如何共同建构学习并在自然探究的基础上建立并激发好奇心？我将会做什么？我将如何检查理解程度？我将问哪些问题？我将如何改变复杂度？我的应急计划是什么（例如，如果课程没有按计划进行，学习者没有按计划获得知识 / 技能，学习者会提前完成）？ 应用 学习者将会做什么？学习者有哪些机会以有目的和有意义的方式调查、发现、研究和玩转概念、过程和想法？结束/巩固/交流：我将如何结束课程？我将如何帮助学习者过渡到下一堂课/科目？
恢复英国战略空间规划想象力
战略空间规划已从典型的理想化、综合性形式（涉及具体土地使用分配和基础设施网络布局）演变为更具指示性的形式，涉及“整合部门政策的空间维度”（Cullingworth & Nadin，2006 年，第 91-92 页，引自；Baker & Wong，2013 年，第 84 页）。想象力是其中的核心，它是一种“形成新想法、新形象或新概念的能力，这些新概念或概念是感官无法感知的外部物体”（Oxford Languages，2024 年 1 另见 Albrechts，2004 年、2010 年；Albrechts 等人，2003 年）。因此，战略空间规划最好被理解为一个实现独特社会建构的社会过程（Ward，2020，第 14 页），其中该术语的第一部分表示明确的策略，第二部分则特指超本地空间尺度（Ziafati Bafarasat & Baker，2016）。
验证计划行为问卷的理论评估医学生的专业行为变化
现代医学教育的目的不仅是传授知识，而且是激发和评估PBS中有意义的变化（4、5）。发表的文献批评，即卓越卓越与医学知识水平不相同，突出了需要改进的MP等领域（4）。因此，在教授MP后测量PBS的变化对于评估教育工作的有效性至关重要（6）。要客观地衡量这些教育工作的影响，并确定医疗保健专业人员（HCP）是否可以表现出PB的理想变化，对此类MP干预的严格评估至关重要。建议这些干预措施具有理论的基础。研究中的理论可以帮助指导干预发展，预测行为并解释什么有效，并且在干预中无效（7）。这个不可或缺的过程涵盖了基本行为理论（例如社会学和心理学理论）和教育学习理论（例如，建构主义理论）的应用，仔细而反思的课程设计，以及对问卷来实现这些变化的程度（8，9）。
在技术责任中重新思考社会环境
本评论探讨了史蒂文·翁布雷洛（Steven Umbrello）在技术伦理方面的工作，这是对技术与社会之间复杂关系的跨学科研究。这本书批判性地研究了基础概念，例如技术乐器主义，确定论，社会建构和互动观点，突出了价值，设计和道德之间的动态相互作用。Umbrello倡导价值敏感设计和负责任的创新，作为解决新兴挑战的实用框架，包括AI和社会技术系统，是一个关键的要点。这本书提供了坚实的基础，但它提出了有关代理机构越来越多的自主技术以及与经验研究互动观点相关的方法论挑战的进一步问题。这篇评论强调了这本书对学者，从业者和决策者的实践价值，他们努力应对技术创新的道德和社会意义。
引用这篇文章：Lars Guenther，Youssef Ibrahim，JanaLüdemann，Coral Iris O'Brian，Christopher N.Pavenstädt，Inga Janina Sievert，MichaelBrügg
摘要气候研究已经建立了文化权威，以通过气候变化为我们的未来建模，并经常使用有害影响框架来传达气候变化和气候期货。本文通过分析有害影响框架如何引起共鸣并在三个社会领域（新闻媒体，气候运动和当地社区）中重新构成的有害影响来调查气候期货的社会建构。这项研究的数据源于一个较大的跨学科项目，从内容分析，参与者观察，访谈和调查中汲取灵感。发现新闻媒体和气候运动仅稍微稍微稍微重新构成有害影响框架，主要是为了引起人们的注意。当地社区的成员在更大程度上重新构成了更强大的申请。该研究还指出了整个社会领域之间缺乏联系。将讨论对气候变化沟通的影响。
利用人工智能推动建构主义学习
摘要：本文探讨了古老的建构主义教育哲学与现代人工智能 (AI) 工具的融合，以此作为重新概念化教学和学习方法的手段。虽然建构主义主张从个人经验和先前知识中获得的主动学习，但人工智能的自适应能力与这些原则无缝契合，提供个性化、动态和丰富的学习途径。通过利用 ChatGPT、BARD 和 Microsoft Bing 等人工智能平台，教育工作者可以提升建构主义教学法，促进学生参与度、自我反思的元认知、深刻的概念变革和丰富的学习体验。本文进一步强调在人工智能整合中保留人文价值观，确保平衡、道德和包容的教育环境。这项探索揭示了传统教育理念与技术进步相结合的变革潜力，为更具响应能力和有效性的学习模式铺平了道路。
迈向新的设计理念
2. 激进的视角 2.1 共同的理解 Nicenboim、Giaccardi 和 Redström 的论文“从对人工智能的解释到共同的理解”开篇明确地阐明了我们在将人工智能定位于日常生活中时所谈论的内容，即在不断变化的使用环境、不断变化的价值观以及人与人工智能体之间不断发展的关系中。作者认为，设计与人工智能系统的包容性和可持续交互的一个关键挑战是如何支持人们理解它们并在情境中与它们建立联系。为了应对这一挑战，至关重要的是将人和人工智能体都视为建构和分享情境化和动态理解的积极参与者。这需要审查科技界可解释人工智能议程背后的假设，并寻求可以帮助我们“跨越”人工智能系统的复杂性（如 Ananny 和 Crawford，2018 年所建议）并“解决”其故障和崩溃的设计策略。
循环经济的不可能
本章正文结构如下。“非平衡热力学领域的基本知识”部分介绍了科学上已知的复杂自适应系统自组织过程，复杂自适应系统是一类开放系统，社会生态系统属于此类。“如果我们利用这些知识来研究经济的循环性，会发生什么？”部分说明了一种适当的表征方案，在解释与经济过程相关的代谢模式时，至少应该遵循该方案。这种表征方案是检查社会经济系统中经济流动的循环性水平所必需的。经过正确评估，我们可以看到，与经济过程相关的代谢过程确实没有显著的循环性。“哈贝马斯的预言”部分讨论了促使我们现代福利民主国家将非平衡热力学的发现视为“未知的已知”的意识形态原因。这种无知的社会建构有助于将政治讨论引离这种令人不安的知识的含义。最后一节结束。