XiaoMi-AI文件搜索系统
World File Search System批判性
采取批判性集体立场，更好地驾驭未来
提起本文：Bozkurt，A.，Xiao，J.，Farrow，R.，Bai，Jyh，Nerantzi，C.，Moore，S. ，D.，Honeychurch，S.，Hodges，M.，Swindell，A.，Frumin，I.，Tlili，A. O.，Huijser，H.，Jandrić，P.，Zheng，C.，Shea，P.，Duart，JM，Themeli，C.，Vorochkov，A.，Sani-Bozkurt，S.生成人工智能时代的教学与学习宣言：更好地驾驭未来的关键集体立场。 Open Praxis，16（4），页487–513。 DOI：https://doi.org/10.55982/openpraxis.16.4.777
算法偏见和种族不平等：批判性评论
算法偏见和公平性的大多数定义编码了决策者的利益，例如利润，而不是分散群体的利益（例如，种族少数群体）：偏见定义为偏离利润最大化的偏差。未来的研究应该集中于自动决策对跨组和内部福利分配的因果影响。文献强调了不同的公平概念以及公平与利润之间的明显矛盾。当利润最大化时，这些矛盾消失了。现有工作涉及偏见统计概念与错误分类错误，经济利润概念以及偏见和公平的规范概念之间的概念性滑倒。偏见的概念不再 - 如果我们将偏见和歧视是干预的机制和潜在点，则在我主张的福利范式中具有一定的利益。关键字：算法偏见，公平，歧视，人工智能，不平等。JEL代码：D63，J15，J70，D81。
生成式人工智能与语言教育：机遇、挑战和批判性观点的必要性
人工智能在教育领域的研究由来已久（例如，请参阅 du Boulay (2016) 的摘要）。关于 GenAI 增强学习能力（在 L2 环境中以及更广泛的环境中）的深入研究也正在兴起。例如，个性化工具可以自动调整顺序、速度、反馈或学习路径以适应个别学习者，这在通识教育研究中已显示出良好的前景（Shemshack & Spector，2020；Zheng 等人，2022）；人工智能反馈已被证明可以支持学习（Godwin-Jones，2022；Su 等人，2023）；人工智能聊天机器人已被用作学生学习的支持伙伴（Chen 等人，2023）。与此同时，我们必须意识到通过人工智能系统创建简单的“学习的 Netflix”而导致过度个性化的风险，也不能忽视学习者代理和教师指导的重要性（Markauskaite 等人，2022 年）。
大麻和焦虑：批判性评论
摘要简介：据报道大麻既具有焦虑症和抗焦虑作用。习惯性大麻的使用与焦虑症有关（AD）。大麻使用（CU）/大麻使用障碍（CUD）和焦虑症之间关联的因果途径和机制尚不清楚。我们通过系统的审查研究了文献，以研究大麻与焦虑之间的联系。所研究的假设包括因果关系，共同因素理论和自我药物假设。方法：对已发表的文献进行的批判性系统综述，研究了CU/CUD与AD或州焦虑的关系，包括病例报告，文献综述，观察研究，以及临床前和临床研究。进行了一个系统搜索术语，其中包括：[焦虑]，[焦虑症]，[抗焦虑药]，[PTSD]，[OCD]，[GAD]，[Cannabis]，[大麻]，[大麻]，[四氢可纳替诺]，[THC]，[THC]。结果：虽然几项病例对照和队列研究报告CU/CUD与AD或州焦虑之间没有相关性（n = 5），但其他横截面和纵向研究报告了显着的关系（n = 20）。元分析支持与Cu相关的焦虑（n = 15个研究，OR = 1.24，95％CI：1.06 - 1.45，P = 0.006）或CUD（n = 13个研究，OR = 1.68，95％CI：1.23 - 2.31，P = 0.001）。路径分析将自我药物假设（n = 8）确定为
生成式人工智能和教育机构：批判性范围审查和主题分析：预印本
目前社会对人工智能的关注导致人们不清楚这些新技术应该如何在教育中使用。媒体报道经常强调 GenAI 技术的负面影响的耸人听闻的影响，并预测灾难性的社会后果 (Roe & Perkins, 2023)。另一方面，一些教育领域的研究表明，GenAI 工具对学习和教学有积极的影响。例如，使用结构化框架在评估中合理使用 GenAI 工具可以减少学术不端行为的发生，并促进批判性数字素养 (Furze et al., 2024; Perkins, Furze, et al., 2024)，大学生使用 GenAI 工具可能会对学业成绩产生积极影响 (Sun & Zhou, 2024)。此外，学习者本身并不一定反对 GenAI，实证研究表明，如果有教师监督，高等教育环境中的学习者愿意接受 GenAI 对评估项目的反馈（Roe 等人，2024 年）。
肯尼亚对生成式人工智能的采用：机遇、挑战和机遇的批判性分析
摘要：人工智能 (AI)，尤其是生成性人工智能，正在全球范围内逐步改变行业，为组织和 IT 决策者创造新的机遇，同时也带来了显著的挑战。本研究调查了肯尼亚境内生成性人工智能的采用情况，详细分析了其优势、实施障碍以及有效整合所需的战略行动。通过综合最近的研究和行业数据，本文解释了生成性人工智能如何推动创新、提高生产力并促进肯尼亚的经济增长。它还考虑了肯尼亚实体面临的具体挑战，例如有限的战略规划、技能短缺、数据安全和道德问题。该研究强调了战略政策和能力建设工作对于在肯尼亚数字领域实现生成性人工智能潜力的重要性。
通过气候变化通过气候变化的树突年代学和遗传多样性：甜栗子的批判性评论
摘要。森林生态系统的管理与由于它们之间的强烈相互作用而导致气候变化的演变密不可分。根据这一假设，根据适应气候变化和减少气候变化的不利影响，分析了甜栗子森林管理策略以及碳估计。以及对甜栗子森林的管理及其影响或受到欧洲地区气候变化现象的影响或影响，树突年代学和遗传转移是两个重要方面，在这项工作中研究了与气候变化的相互作用。通过最新文献研究了栗子树突年代学对最近和遥远过去时期的气候变化和环境生态研究的贡献。通过树突年代学评估获得的信息可以用于预测当今正在进行的气候变化现象的未来影响。此外，由于遗传多样性是人口适应不断变化的环境的一种方式，因此本文介绍了有关栗子遗传多样性的一些数据，这些数据源自最近的科学出版物。关键字。castanea，栗子，气候变化，树突年代学，遗传多样性，森林管理
利用人工智能来增强高等教育的教学：促进优质教育和批判性参与
信件应寄给Oluwatoyin A. Ajani oaajani@gmail.com 2024年3月9日收到；修订于2024年9月5日； 2024年10月7日接受，这项范围评论探讨了人工智能[AI]在增强高等教育中的教学和学习中的作用，专注于改善优质教育并鼓励批判性参与。彻底的筛选过程导致选择了64项相关的高质量研究。对每篇文章的数据，包括研究目标，方法，发现和道德考虑因素进行了系统的分析，以提供对AI对教育影响的全面了解。评论涵盖了2010年至2024年的研究，研究了教育中如何使用机器学习，自然语言处理和自适应学习系统等AI技术。它突出了关键好处，例如个性化学习，更好的教学策略和更有效的行政流程。但是，它还应对数据隐私，道德问题和数字鸿沟等挑战。使用技术接受模型和自我指导的学习理论作为框架，评论着眼于影响AI在高等教育中的采用和有效性的原因。虽然AI通过提供量身定制的学习和培养批判性思维来显着提高教育质量，但其成功依赖于克服道德问题，确保公平的访问权限以及为教育者和学生提高数字素养。这项研究强调了教育者，政策制定者和技术开发人员之间的合作需求，以充分利用AI的潜力，同时维护所有参与者的权利。它还为将来的研究和实用步骤提供了建议，以确保在高等教育中负责任地使用AI。关键词：人工智能，高等教育，教学，教育，质量教育，批判参与，技术接受模型
针对印度尼西亚综合法的自信地热力开发：一项批判性审查
印尼众议院最终通过了法律2020年11月11日在2020年11月上旬引起了议会辩论，这变成了激烈的公众讨论。使用综合法律（OL）战略，该法律规范了十个关键政策领域，由186篇文章和基本修改和废除79条有关发展和投资的法律1）。该法律被视为旨在解决几个问题的法律突破，包括与投资生态系统的简化和改进和加速国家战略项目相关的问题。这些战略项目之一是电力基础设施开发（本地“ Pembangunan Infrastruktur ketenagalistrikan”或“ Pik”），其中包括与发电，传输，分销，变电站和其他支持设施相关的所有项目。PIK的加速需要生产35,000 MW和安装46,000公里的传输网络。 此PIK加速优先使用可再生能源来支持减少温室气体（GHG）PIK的加速需要生产35,000 MW和安装46,000公里的传输网络。此PIK加速优先使用可再生能源来支持减少温室气体（GHG）