博兹库尔特,阿拉斯;肖俊红;兰伯特,莎拉;帕祖雷克,当归;海伦·克朗普顿;苏珊·科塞奥格鲁;法罗,罗伯特;邦德,梅丽莎;克里西·尼兰兹;霍尼彻奇,莎拉;巴厘岛、玛哈;德隆,乔恩;米尔,卡姆兰;斯图尔特,邦妮;科斯特洛,埃蒙;梅森,乔恩;斯特莱克,克里斯蒂安;罗梅罗-霍尔,埃尼尔达;库特罗普洛斯,阿波斯托洛斯;梅·托克罗,凯茜;辛格,莱南德拉;艾哈迈德·提利;李庆美;尼科尔斯,马克;奥西尼尔松,埃巴;布朗,马克;欧文,瓦莱丽;埃莉莎·拉法盖利,朱莉安娜;桑托斯-赫莫萨、杰马;法雷尔,奥娜;亚当,塔斯金;李通英;萨尼-博兹库尔特、苏纳古尔; C Sharma, Ramesh;Hrastinski, Stefan 和 Jandrić, Petar (2023)。ChatGPT 和生成人工智能 (AI) 的推测性未来:教育领域的集体反思。亚洲远程教育杂志 (早期访问)。
博兹库尔特,阿拉斯;肖俊红;兰伯特,莎拉;帕祖雷克,当归;海伦·克朗普顿;苏珊·科塞奥格鲁;法罗,罗伯特;邦德,梅丽莎;克里西·尼兰兹;霍尼彻奇,莎拉;巴厘岛、玛哈;德隆,乔恩;米尔,卡姆兰;斯图尔特,邦妮;科斯特洛,埃蒙;梅森,乔恩;斯特莱克,克里斯蒂安;罗梅罗-霍尔,埃尼尔达;库特罗普洛斯,阿波斯托洛斯;梅·托克罗,凯茜;辛格,莱南德拉;艾哈迈德·提利;李庆美;尼科尔斯,马克;奥西尼尔松,埃巴;布朗,马克;欧文,瓦莱丽;埃莉莎·拉法盖利,朱莉安娜;桑托斯-赫莫萨、杰马;法雷尔,奥娜;亚当,塔斯金;李通英;萨尼-博兹库尔特、苏纳古尔; C Sharma, Ramesh;Hrastinski, Stefan 和 Jandrić, Petar (2023)。ChatGPT 和生成人工智能 (AI) 的推测未来:教育领域的集体反思。亚洲远程教育杂志 (早期访问)。
人工智能技术有可能极大地增强学习管理系统的组织和在线学习体验。特别是,OpenAI 的 GPT-3 模型于 2022 年 12 月公开发布,让社会有机会更多地了解人工智能的现状。关于人工智能在电子学习过程中的使用已经有很多研究,但很少有研究展示如何逐步并通过示例将这些应用程序集成到学习管理系统中。本研究旨在通过使用现实世界的示例展示如何将人工智能技术集成到学习管理系统中来弥补这一差距。本研究提供了实际应用的示例以及集成步骤。最后,检查了 Moodle 的 GPT-3 插件,并包含了将 Chat GPT 集成到 Moodle 中的示例 JavaScript 代码。通过提供将人工智能技术集成到学习管理系统中的有用指南,这项工作增加了文献内容。
摘要:自动穿梭巴士(ASB)被认为是未来在公共交通中应用自动驾驶技术的必不可少的方向。随着驾驶员的角色逐渐减少和消失,用于信息交换和用户和ASB之间的信息交换和通信的人类界面(HMI)发挥了更为突出的作用,并且逐渐成为研究中的热点。但是,自主驾驶的不可预测性和复杂性,一种异常快速增长的技术,阻碍了其未来的研究。这项工作首次回顾了三类相关文献:内部,外部和站点。其次,通过探索ASB的现有HMI设计,可以将系统性和投机性设计的重要性得到确定。第三,分析了由三个平行研讨会产生的ASB概念。最后,在线问卷和访谈完成了关键的反思和讨论。结果表明,将与系统和投机设计有关的工具和方法引入HMI的ASB设计过程可能会帮助设计师批判性地思考ASB的未来不确定性,并处理系统的复杂性。
摘要:虽然 ChatGPT 最近变得非常流行,但人工智能有着悠久的历史和哲学。本文旨在通过采用推测方法探索生成式预训练 Transformer (GPT) 人工智能和潜在未来技术的前景和陷阱。提供了推测性的未来叙述,特别关注教育背景,试图确定新兴主题并讨论它们对 21 世纪教育的影响。从叙述中识别并讨论了(使用)人工智能在教育中(AIEd)的承受能力和可能的不利影响。有人认为,现在是定义人类与人工智能对教育贡献的最佳时机,因为人工智能可以完成越来越多的教育活动,而这些活动曾经是人类教育者的特权。因此,必须以面向未来的心态重新思考技术和人类教育者在教育中的各自角色。关键词:人工智能(AI)、生成式预训练转换器(GPT)、自然语言处理、教育中的人工智能(AIEd)、未来教育观点、推测方法
博兹库尔特,阿拉斯;肖俊红;兰伯特,莎拉;帕祖雷克,当归;海伦·克朗普顿;苏珊·科塞奥格鲁;法罗,罗伯特;邦德,梅丽莎;克里西·尼兰兹;霍尼彻奇,莎拉;巴厘岛、玛哈;德隆,乔恩;米尔,卡姆兰;斯图尔特,邦妮;科斯特洛,埃蒙;梅森,乔恩;斯特莱克,克里斯蒂安;罗梅罗-霍尔,埃尼尔达;库特罗普洛斯,阿波斯托洛斯;梅·托克罗,凯茜;辛格,莱南德拉;艾哈迈德·提利;李庆美;尼科尔斯,马克;奥西尼尔松,埃巴;布朗,马克;欧文,瓦莱丽;埃莉莎·拉法盖利,朱莉安娜;桑托斯-赫莫萨、杰马;法雷尔,奥娜;亚当,塔斯金;李通英;萨尼-博兹库特、苏纳古尔; C Sharma, Ramesh;Hrastinski, Stefan 和 Jandrić, Petar (2023)。ChatGPT 和生成人工智能 (AI) 的推测未来:教育领域的集体反思。亚洲远程教育杂志(早期访问)。
4 在附录 O1 中,我们研究了每个主体在年轻期和年老期分别具有对数消费效用的情况。我们表明结果没有变化。 5 例如,有些房地产投资的收益为零,有些则为正收益,由于非创业工人无法区分它们,因此他们不会投资房地产;(风险调整后的)预期收益太低了。如果项目数量有限,知情者将选择好项目(平均而言),而将不成比例的坏项目留给不知情者,因此即使知情者的预期收益等于或大于其他投资机会,不知情者的预期收益也低于政府债券。如果我们更现实地假设所有个人都厌恶风险,这种影响会得到加强。限制参与房地产市场还有其他原因。例如,人们对风险的态度不同。房地产市场显然比政府债券的(实际)回报更具风险,因此非常厌恶风险的代理人不会参与房地产市场。6 也就是说,今天投资一美元资本的个人将获得 𝑅 𝑡+1 的投资回报,并在期末拥有价值 1 −𝛿 的资产。
本文取代了之前的草稿,该草稿以“住房投机和供应过剩”为标题发布。我们感谢 Itay Goldstein(编辑)和两位匿名审稿人提供的有益评论。我们感谢 Gene Amromin、Barney Hartman-Glaser、Andrew Haughwout、Zhiguo He、Tim Landvoigt、Alvin Murphy、Charlie Nathanson 和 Monika Piazzesi 以及纽约联邦储备银行、德克萨斯大学奥斯汀分校、沃顿商学院、美国经济协会会议、美国金融协会会议、CICF 会议、亚特兰大联邦储备银行、GSU 房地产金融和德克萨斯金融节会议的研讨会参与者提供的有益评论和讨论。补充数据可在《金融研究评论》网站上找到。请将信函寄至香港中文大学商学院高振宇,地址:香港新界沙田泽祥街12号郑裕彤楼12楼1244室,电话:852-3943-1824。电子邮箱:gaozhenyu@baf.cuhk.edu.hk。
摘要 - 幽灵投机侧通道攻击构成了计算机系统安全的巨大威胁。研究表明,使用选择性载荷硬化(SLH)的选择性变体可以有效地保护密码恒定时间代码。slh还不够强大,无法保护非晶型代码,从而引入了Ultimate SLH,该代码为任意程序提供了保护,但对于一般使用的开销太大,因为它保守地假定所有数据都是秘密的。在本文中,我们引入了一个灵活的SLH概念,该概念通过正式概括选择性和最终的SLH来实现两全其美。我们为保护任意程序的此类转换提供了适当的安全定义:运行猜测的任何转换程序都不会泄漏源程序依次泄漏。我们正式证明使用ROCQ权METER证明两个灵活的SLH变体强制执行此相对安全保证。作为简单的推论,我们还获得了最终的SLH执行我们的相对安全性概念,还可以使Value SLH的选择性变体和地址SLH执行投机性恒定时间安全性。关键字 - 侧通道攻击,投机执行,规格,安全汇编,投机负载硬化,投机性恒定时间,相对安全性,正式验证,ROCQ,COQ