XiaoMi-AI文件搜索系统
World File Search System心理特征
经济活动的区域社会心理特征
摘要越来越多地，社会科学家在试图解释不同的区域繁荣结果时，认识到传统措施的局限性（例如，地理，人口，经济）。这项研究试图了解地区的不同个性如何帮助描述经济差异。我们通过在16个心理社会变量（“大5”个性概况，以及其他一般社交调查项目的探索性电池上使用最小二乘线性回归来测试这一点，以及ECO NOCIC收入的四个因变量：人均收入，就业率，就业率，收入率，收入流动性和企业家的速度。所有物品在美国各地的县一级汇总，都展现了一个独特的关系，强调了对我们造成的经济影响的更多工作的巨大需求。
使用可穿戴传感器和心理特征进行认知负荷推断的数据集
主观差异 1 +0.742 (0.47-0.88) +0.520 (0.14-0.77) +0.035 (-0.38-0.44) -0.009 (-0.42-0.4) +0.062 (-0.36-0.46) 级别 +0.742 (0.47-0.88) 1 +0.595 (0.24-0.81) -0.032 (-0.44-0.39) -0.045 (-0.45-0.37) +0.072 (-0.35-0.47) TLX_effort +0.818 (0.61-0.92) +0.648 (0.32-0.84) +0.375 (-0.04-0.68) +0.077 (-0.35-0.47) +0.035 (-0.38-0.44) -0.008 (-0.42-0.41) TLX_心理需求 +0.750 (0.49-0.89) +0.513 (0.13-0.76) +0.319 (-0.11-0.65) +0.075 (-0.35-0.47) +0.062 (-0.36-0.46) -0.006 (-0.42-0.41) TLX_时间需求 +0.669 (0.35-0.85) +0.671 (0.36-0.85) +0.459 (0.06-0.73) +0.053 (-0.37-0.46) +0.038 (-0.38-0.44) +0.105 (-0.32-0.5) TLX_实物需求 +0.266 (-0.16-0.61) +0.181 (-0.25-0.55) -0.042 (-0.45-0.38) -0.539 (-0.78-(-0.16)) -0.456 (-0.73–0.05) -0.304 (-0.64-0.12) TLX_性能 -0.383 (-0.69-0.04) -0.353 (-0.67-0.07) -0.261 (-0.61-0.17) -0.132 (-0.52-0.30) -0.018 (-0.43-0.4) +0.014 (-0.4-0.42) TLX_frustration +0.413 (0.00-0.70) +0.385 (-0.03-0.69) +0.144 (-0.29-0.52) -0.474 (-0.74-(-0.08)) -0.402 (-0.7-0.01) -0.149 (-0.53-0.28)
从简历和短文响应中预测个性
评估求职者的心理特征（包括其职业兴趣或人格特征）数十年来一直是招聘过程的一角。虽然传统的这种评估形式要求候选人通过问卷调查措施自我报告其特征，但最近的研究表明，计算机可以从他们在网上留下的数字足迹中预测人们的心理特征（例如，他们的Facebook Pro-pro-files，Twitter，Twitter帖子或信用卡帖子或信用卡支出）。尽管这种模型通过第三方提供商越来越多地获得，但在招聘过程中使用外部数据会带来相当大的道德和法律挑战。在本文中，我们研究了来自招聘过程中生成的数据的模型的人格特质的可预测性。特别是，我们利用CVS和自由文本答案的信息作为现实世界中的高风险招聘过程的一部分，结合了自然语言处理，以预测申请人的五大人格特质（n = 8,313个申请人）。我们表明，在比较基于机器学习的预测与自我报告的人格特质（平均r = 0.25）时，这些模型具有一致的中等预测精度，优于先前文献中报道的招聘者判断。尽管模型仅捕获自我报告差异的相对较小的部分，但我们的发现表明，在实践中，它们在实践中仍然可能与人格的自动预测相同（有时更好）在预测工作匹配的关键外部标准（即职业兴趣）中与自我报告的评估一样好（有时是更好）。
大脑皮层特征对青少年罪犯心理风险特征的影响
目标：本研究通过实现两个目标为犯罪行为的神经科学做出贡献：a) 检查一组男性严重少年罪犯（21 名 OG）与对照组（28 名 CG）的皮质特征差异，年龄均在 18 至 21 岁之间；b) 确定不同的皮质特征和风险心理特征在多大程度上区分了这两组人。方法：除了皮质测量外，还评估了人口统计学、执行功能、童年创伤、精神病特征、精神病理学症状以及反社会和违法行为。结果：对皮质套层的全脑分析发现，与 CG 相比，OG 的右侧颞中回簇的皮质厚度增加，外侧眶额皮质的表面积较小。判别函数正确分类了 100% 的 CG 病例和 94.7% 的 OG 病例。右侧颞叶丛、童年创伤、冷漠和人际敏感性症状、精神病性、抑郁、恐惧性焦虑和强迫行为导致了 OG。反过来，外侧眶额叶丛、夸大、冷漠和寻求刺激的精神病特征以及工作记忆导致了 CG。结论：OG 的右侧颞中回增大可能表明社会认知过程中的大脑发育受损，因为它与更高的风险特征相结合出现。眶额皮质减少可能表明情绪控制过程中的大脑发育不成熟，因为它与青少年时期的正常心理特征相结合出现。基于这些新发现，提出了研究和干预的潜在改进领域。
实验者对基于心理意象的大脑的影响......
1 关于实验者和参与者的性别对 MI-BCI 表现演变的影响的初步结果先前发表在第八届国际 BCI 大会 [43] 上的一篇简短会议论文中。在这里，我们介绍了有关潜在混杂因素（例如与运动相关的伪影）的更多更完整的结果。我们还首次提出了与参与者心理特征相关的结果，这为更好地理解实验者的影响提供了第一条线索。最后，我们还提供了新的用户体验相关结果。
对Prakriti及其临床概念的批判性分析
prakriti，源自梵文词，意思是“自然”或“宪法”，代表了一个人的自然状态，由其基因组成决定。在阿育吠陀（Ayurveda）是一种古老的印度医学体系，Prakriti是一个基础概念，它决定了一个人的身体，生理和心理特征。这种内在的宪法被认为是在受孕时建立的，并且在整个人的生活中保持不变。[1] Prakriti的概念在阿育吠陀中是关键的，因为它影响了健康，疾病的易感性和对治疗的反应。[2]
政治意识形态视角 - 新加坡
旅游业已采用人工智能代理来替代人际接触。我们研究了疫情期间游客对酒店服务环境中的人工智能的反应。四项研究表明，与人工智能交互相比，人们更喜欢以人为本的服务。此外，主观幸福感被认为是推动这种影响的潜在因果机制。我们通过展示政治保守的游客对服务代理类型的区分程度更高，提供了进一步细致入微的见解。从理论上讲，我们通过研究情感和个体差异因素（政治意识形态），有助于更细致地了解游客对人工智能的反应。从实践上讲，鼓励营销人员将游客的意识形态和心理特征纳入细分、定位和定位考虑因素中，从而提高营销效果。© 2022 Elsevier Ltd. 保留所有权利。
个人空间入侵对乘客舒适度和... 的影响
随着近年来航空旅行的增加，乘客舒适度正成为一个重要问题。乘客不适和痛苦的一个常见原因是乘客个人空间受到侵犯。本文介绍了两项研究的结果，分别研究了乘客在个人空间侵犯（PSI）期间的环境心理特征以及PSI如何影响客舱舒适度设计。在研究1中，我们的调查显示PSI对不同性别、年龄、教育水平和人际关系的乘客的舒适度有不同的影响。从这些调查数据中，我们提取了14个PSI因素。在研究2中，建立了决策试验和评估实验室（DEMATEL）模型，以乘客舒适度为目标层，以确定14个PSI因素之间的相互关系。14个因素之间的因果关系通过因果图可视化。我们根据指标与PSI因素之间的对应关系，对14个飞机内饰设计指标进行了优先级排序。本研究的结果有助于理解PSI如何影响乘客舒适度，并提出改善飞机客舱舒适度设计的策略。
评估机器学习算法以预测医学专业选择
摘要。公平分配专业的医生是一个重大的公共卫生挑战。以前的研究主要依靠经典的统计模型来估计影响医学生职业选择的因素，但本研究探讨了机器学习技术在研究早期预测决策的使用。我们使用来自瑞士和法国医学院的399名医学院的399名医学生的数据评估了各种监督模型，包括支持向量机，人工神经网络，极端梯度提升（XGBOOST）和CATBOOST。集合方法的表现优于更简单的模型，而Catboost的宏观AUROC为76％。事后解释性方法揭示了影响预测的关键因素，例如成为外科医生的动机和外向性的心理特征。这些发现表明，机器学习可用于预测医疗职业道路并为更好的劳动力计划提供信息。