XiaoMi-AI文件搜索系统
World File Search System总结性
CheXplain：帮助医生探索和理解数据驱动、人工智能支持的医学影像分析
摘要 数据驱动型人工智能的最新发展有望实现医疗诊断的自动化；然而，对于计算知识有限的医生来说，大多数人工智能都像“黑匣子”一样。以医学成像为出发点，我们进行了三次设计活动，以制定 CheXplain——一个使医生能够探索和理解人工智能支持的胸部 X 光分析的系统：（i）转诊医生和放射科医生之间的配对调查揭示是否需要、何时需要以及需要何种解释；（ii）与三位医生共同设计的低保真原型制定了八个关键特征；（iii）由另外六位医生评估的高保真原型提供了关于每个特征如何实现对人工智能的探索和理解的详细总结性见解。我们总结并讨论了未来设计和实施可解释的医疗人工智能系统的建议，这些系统涵盖四个反复出现的主题：动机、约束、解释和理由。
2023-2024 FHS 读写能力计划
所有学校都将实施持续的语言艺术评估计划，包括形成性和测量。所有教师都将使用评估来计划适当的干预策略。-学区使用多个数据点来做出教学决定并评估学生的阅读能力。这些措施将用于通过形成性和总结性数据来监控每所学校的阅读/写作计划的成功。当指标显示学生没有取得足够的进步时，管理部门将与学校级读写能力团队会面，以确保必要的改变。-学校和课堂的持续形成性评估将推动教学决策。它们将包括以下内容：写作样本、语音意识评估、运行记录、阅读基准、Tier1 评估、拼写、清单和阅读干预测试。-干预将包括使用 Tier1 课程/LDOE 加速和读写能力教学、干预和扩展资源教授语音意识、语音、流利度、词汇和理解策略。
先进的云计算
• 每个内容模块都提供了讨论问题，以促进对话并评估每个学生的初始知识水平。推荐资源中提供了针对这些讨论的推荐评估策略。 • 在推荐资源的直接指导部分，为学生提供自我发现和研究活动。这些活动中的学生作业可用作形成性评估数据，以评估学生在模块结果方面的进步。课程中提供了针对这些活动和作业的推荐评估策略。 • 为学生提供实验室活动以完成基于应用的练习。这些活动评估学生将他们对结果的理解应用于基于场景的练习的能力。推荐资源中提供了这些实验室的推荐评估策略。 • 在每个模块结束时，都会为教师提供总结性评估，以跟踪学生在实现预期结果方面的进度。模块评估是多项选择题、多项回答题和论述题的组合。
bd hypaktm用于疫苗的玻璃预漏注射器系统
1。总结性研究报告 - PHS-15-HPK02：一项用于IFU验证的模拟研究BD Hypak TM堆叠针和BD Hypak TM PRTC在医疗保健工作者中（HCWS）和自我注射患者人群2。视觉/化妆品控制，客户质量规范，SC000110 3。bd hypak tm用于疫苗针头设计验证理由[内部研究]。pont-de-claix，FR：Becton，Dickinson and Company； 2013 4。BD销售分析[内部分析]。pont-de-claix，FR：Becton，Dickinson and Company； 2019 5。2014年至2018年的疫苗市场分析和产品销售[内部分析]。Pont de Claix，FR：Becton，Dickinson and Company； 2019 6。疫苗市场领导者，https://www.statista.com/statistics/314562/leading-gleading-global-pharmaceuticalcompanies-by-vaccine-revenue/ 2018年4月4日访问7。BD-PS external communication to customers - BD to Invest $1.2 Billion in Pre-Fillable Syringe Manufacturing Capacity Over Next Four Years https://news.bd.com/2020-12-02-BD-to-Invest-1-2-Billion-in-Pre-Fillable-Syringe-Manufacturing-Capacity-Over-Next-Four-Years/Accessed Dec. 2, 2020
BunCho：通过无监督多任务学习，AI 支持故事共同创作，以提高日语作家的创造力
与人工智能 (AI) 共同创作是即将到来的趋势。然而，对于日本小说家系统的构建关注较少。在本研究中，我们构建了“BunCho”，一个由人工智能支持的日语故事共同创作系统。BunCho 的人工智能是 GPT-2（一种无监督的多任务语言模型），使用大量日语网络文本和小说数据集进行训练。使用 BunCho，用户可以从关键字生成标题和概要。此外，我们提出了一个交互式故事共同创作人工智能系统作为桌面角色扮演游戏。根据对作家（N=16）和读者（N=32）的总结性研究，69% 的作家更喜欢用 BunCho 写故事梗概，客观评价中至少有五个常见指标中的一个得到了提高，包括创造力。此外，63% 的作家表示 BunCho 拓宽了他们的故事范围。BunCho 指明了帮助日本小说家创作高水平和创造性作品的途径。
安克雷奇学区战略规划：ASD 学生数据三年级和九年级英语语言艺术 (ELA) 熟练程度：研究继续表明
安克雷奇学区董事会战略规划：ASD 学生数据三年级和九年级英语语言艺术 (ELA) 能力：研究继续表明，三年级结束时的阅读能力对学生在学校乃至生活中的成功有重大影响。阿拉斯加的州级总结性评估 PEAKS 基于阿拉斯加的学术标准，于 2019 年春季进行了第三年。本次评估结果显示，40% 的安克雷奇学区三年级学生在考试的英语语言艺术 (ELA) 部分达到熟练或高级水平。此外，36% 的九年级学生在 PEAKS ELA 评估中达到熟练或高级水平（图 1）。三年级和九年级数学能力：阿拉斯加还设定了全州的数学能力标准，这些标准在三至九年级进行评估。 2019 年测试的 PEAKS 结果显示，46% 的三年级学生和 30% 的九年级学生在 PEAKS 数学评估中取得了熟练或更高的成绩（图 2）。导致当前 ELA 和数学熟练程度的因素：虽然几乎不可能指出 ELA 和数学熟练程度低于预期的一个根本原因，但更广泛的研究表明，以下因素与较低的表现显着相关，并且似乎与 ASD 有关：静态增长（缺乏运动或变化）：ASD 在州总结性评估 (PEAKS) 中的结果在过去三年中基本保持平稳（图 3 和 4）。为了显着提高熟练程度，学生需要表现出高于平均水平的增长。安克雷奇学区使用 MAP 增长评估来衡量 3 至 9 年级学生在阅读和数学方面的进步。过去三年的评估结果表明，总体而言，与全国同龄人相比，该地区的学生取得了平均水平的进步（图 5）。对学校的分析显示，中位成绩水平介于 20 到 80 百分位之间，超过三分之二的学校的进步低于 50 百分位。此外，与全国结果相比，43% 的 ASD 学校在成绩和进步方面均低于 50 百分位（图 6.1 和 6.2）。这些数据的一个可能性是课堂上的严格程度不符合阿拉斯加的标准。长期旷课：州问责制将长期旷课定义为缺课时间超过 10%。在过去三年中，安克雷奇学区超过五分之一的学生长期缺课（图 7）。
员工对人工智能的指导（2023 年 9 月）
选项 1 - 限制生成式 AI 在大多数评估任务中的使用 - 即允许使用 AI 工具是例外而不是常态，只允许在非常特定的环境中使用（例如特定模块甚至特定评估任务）。任何使用 AI 的行为都必须得到学生的适当承认（正确使用引文等）。选项 2 - 限制生成式 AI 工具在大多数评估中的类型 - 即允许使用 AI 仅限于课程中的单个 AI 工具（例如 ChatGPT）。完全禁止使用所有其他 AI 工具。任何使用 AI 的行为都必须得到学生的适当承认（正确使用引文等）。选项 3 - 限制使用生成式 AI 工具进行评估的方式 - 即限制允许使用 AI 工具来促进学习过程，并收集证据、想法等以准备评估，但禁止在评估中包含任何完全由 AI 工具生成的未经调整/修改的文本、数据或图像（例如只是“剪切和粘贴”）。学生必须对总结性评估中任何使用人工智能的行为给予适当的承认（正确使用引用等）。 选项 4：不限制使用生成性人工智能来促进学习或开发可供提交的评估 - 即项目团队假设学生将使用人工智能工具来辅助学习和开发可供提交的评估。学生必须对总结性评估中任何使用人工智能的行为给予适当的承认（正确使用引用等）。 第 1 部分 - 简介 高等教育领域对人工智能工具非常感兴趣，学术界已经参与了 ChatGPT、DALLE-2、CoPilot 以及最近的 Google Bard 等人工智能 (AI) 工具的实验。人工智能工具既具有变革性又具有颠覆性，但很难逃避这样的结论 - 无论好坏 - 它们将在未来出现在许多专业工作场所中，人工智能的使用将变得司空见惯。第 2 部分 - 本指南的目的 本指南文件旨在造福圣玛丽学院的所有员工，特别是那些从事教学或支持本科生和研究生学习（3、4、5、6 和 7 级）的员工。它提供了实用的指导、建议和实践示例，以便员工能够更好地了解并更好地将 AI 工具融入他们在圣玛丽学院的实践中。将为从事指导 8 级博士/教育博士生的工作人员提供单独的员工指导。第 3 部分 - 它们是什么以及它们如何工作？
对考古的扩展现实应用程序中用户研究的文献综述
在本研究中，我们对过去10年的扩展现实进行了对考古学用户研究的系统审查。筛选和选择过程后，选择了52篇文章进行深入分析。他们的分类遵循不同的轴：设备，位置依赖性，用户类型，交互和协作。我们还根据任务，评估测量，参与数量以及如何进行研究（预测试和/或测试后，形成性和总结性评估，定量和定性数据）来组织现有的用户研究。我们发现了考古学和文化遗产之间的相互交织的关系，这反映在古老的博物馆展览和考古遗址上的申请中。还研究了针对考古学家和公众开发的系统之间的相似性。我们的目的是在不同的用户研究之间找到一个共同的基础，可以帮助下一个系统的设计师具有可以构建系统的基础。我们还强调了这是需要解决的用户类型时，这将是首选和最合适的评估技术。结果表明可测量变量和可能的选择的异质性，但可以得出一些准则。
在评估中使用人工智能...
目的：为梅西大学 Te Kunenga ki Pūrehuroa 的学生和教职员工提供有关在学生学业评估中使用生成人工智能软件（例如 ChatGPT、QuillBot、Google Translate 或其他机器生成的写作服务）的指导，并阐明人工智能与梅西大学评估手册和学生学术诚信政策的关系。在教学中采用合乎道德和负责任的技术使用（包括使用人工智能）与确保学术诚信作为大学所有学术工作（包括学习、教学和研究）的基本价值之间取得平衡。政策：评估是连贯教育体验不可或缺的组成部分，对整体教学质量至关重要。梅西大学评估手册阐述了评估的目的、目标和性质的一般方法，并为设计、开发和部署资源以支持学习评估（总结性评估）和学习评估（形成性评估）提供了基础。梅西大学评估手册指出评估有两个主要目的：
GAO-24-106334，资金追踪：2022 财年项目样本显示，资金已用于预期用途，但接受者遇到了一些挑战
为了获取有关受助者对 CPF/CDS 资助流程和支出数据的看法的信息，我们采访了样本中所有 158 个正在推进资助的项目的受助者——即接受或计划接受指定的 CPF/CDS 资金。我们亲自进行了 29 次采访。我们的实地考察选择流程旨在增加我们能够亲自观察项目进展的可能性。我们还向机构索取了截至 2023 年 6 月 30 日的记录义务数据，以及我们样本中每个项目的机构监督数据。在某些情况下，我们会根据调查结果适用的具体项目数量（即样本数量）提供样本的总结性调查结果。在其他适当情况下，我们根据所有 2022 财年 CPF/CDS 项目的样本计算了可推广的估计值。6 除非另有说明，我们将这些可概括的估计值表示为所有 2022 财年推进项目的百分比。我们使用 95% 的置信区间来表示每个估计值的变异性。有关哪些数据被概括的列表，请参阅附录 I。