本研究旨在考察教师对人工智能的态度与人工智能素养水平之间的关系。本研究采用了“人工智能总体态度量表”和“人工智能素养量表”。研究对象为2023-2024学年在土耳其伊斯坦布尔省卡尔塔尔、彭迪克和苏丹贝利区公立学校工作的361名教师,采用方便抽样法选出。本研究结果表明,教师对人工智能的积极态度处于较高水平,消极态度处于较低水平。教师的人工智能素养水平处于中等水平。教师对人工智能的积极、消极态度和人工智能素养水平在性别、专业资历和教育水平上没有表现出显著差异。但研究生学历教师对人工智能的积极态度和人工智能素养水平明显高于本科学历教师。同样,本科学历教师对人工智能的消极态度也明显高于研究生学历教师。相关性分析结果发现,教师对人工智能的积极态度与人工智能素养之间存在正向、高度显著的关系。另一方面,教师对人工智能的消极态度与人工智能素养之间存在负向、中等显著的关系。根据本研究的结果,为研究人员和从业者提出了一些建议。
摘要背景:我们开发了一个系统,可以自动对 Twitter 消息中对疫苗接种的态度进行分类,重点关注持消极态度的消息。这样的系统可以监控社交媒体上持续不断的消息流,从而提供切实可行的见解,了解公众对疫苗接种的犹豫态度。目前,这种监控是通过常规情绪分析进行的,在检测对疫苗接种的消极态度方面表现不佳。对于提到疫苗接种相关关键词的荷兰 Twitter 消息,我们注释了他们对疫苗接种的立场和感受(前提是他们提到了这个话题)。随后,我们使用这些编码数据来训练和测试不同的机器学习设置。为了最好地识别对疫苗接种持消极态度的消息,我们比较了数据集大小增加、可靠性降低、要区分的类别数量增加以及分类算法不同的设置。结果:我们发现,使用严格和宽松标记数据与更细粒度标记相结合进行训练的支持向量机产生了最佳结果,F1 得分为 0.36,ROC 曲线下面积为 0.66,远远优于当前使用的情绪分析,后者产生了 F1 得分 0.25,ROC 曲线下面积为 0.57。我们还表明,我们的系统的召回率可以优化到 0.60,而精度几乎没有损失。结论:我们的研究结果表明,仅通过计算机系统进行立场预测是一项具有挑战性的任务。尽管如此,该模型在识别负面推文方面表现出足够的召回率,从而减少了查看消息的手动工作量。我们对系统的数据和行为的分析表明,需要一种方法,在该方法中,将使用更大的训练数据集与人机交互为系统提供有关其预测的反馈的环境相结合。
维和人员课程是一项调解计划,为选定的高中生提供机会,让他们担任经过培训的调解员,帮助校园内或附属学校校园内的其他人以和平方式解决冲突。维和人员课程旨在为可能对教育和/或相关帮助职业感兴趣的年轻人提供实地体验。参与者将接受 4 至 6 周的课堂培训,以培养调解技能。通过非暴力方式对同伴产生积极影响是解决冲突解决、愤怒管理、学业成绩低下、辍学预防、行为问题和对学校的消极态度等问题以及学校/学区关注的其他问题的核心策略
提高听证效率和阻止他人参与类似犯罪的蓄意目标,传播了道德弱点。存在一种危险,即通过对被指控为恐怖主义的人表现出消极态度,社会将避免认真应用审判程序。在走这条路时,社会表现出道德弱点。当社会适应这种弱点时,就会出现“滑坡”的危险。今天,新措施的理由是,由于发生了非同寻常的恐怖袭击,在反恐正义战争中必须牺牲程序性的宪法权利,即使以伤害无辜者为代价。明天,非典型性犯罪者的袭击将被视为建立特别法庭和修改
一半的学生都在使用 GenAI 工具,这引出了一个问题:这些工具将如何影响学生的学习。图 2 中的研究结果表明,与教师相比,学生对 GenAI 工具如何影响他们的学习的看法更加积极。秋季和春季调查中有一半的学生表示,这项新兴技术将对学习成果产生积极影响(图 2)。与学生相比,教师对 GenAI 如何影响学生学习的看法往往更为悲观,尽管这种消极态度从春季(50%)下降到现在(39%)。这表明,教师可能会更加意识到,如果考虑到学生的成功,这些工具可以产生多么积极的影响(图 2)。
欧洲的总体趋势表明,被 VRWE 吸引的大多是受教育程度较低且对自己的经济状况持消极态度的年轻男性。然而,他们似乎并没有受到连贯的意识形态指导,而是被寻求刺激和机会主义所驱使。通常,他们有长期酗酒和吸毒史,并且参与犯罪 10 。这种经历似乎也与美国的经历相呼应,在美国,一个暴力白人至上主义极端主义团体的 44 名前成员中,72% 表示在激进化之前有酒精和/或非法药物依赖 11 。虽然大多数研究表明暴力行为的实施者主要是年轻男性,但值得注意的是,挪威最近的研究表明,老年人变得激进的速度比年轻人更快 12 。
• 挪威消费者对基因编辑(在此背景下被定义为不插入新 DNA 的有针对性的基因改变)的态度取决于目的和产品用途。大多数人对在挪威农业和水产养殖中使用基因编辑持积极态度,因为人们认为基因编辑可以促进社会利益和可持续性。例如,减少农药使用和植物作物损失、作物适应气候、增加作物营养成分、提高作物产量、改善动物和鱼类健康以及减少水产养殖业对环境的影响。然而,大多数消费者对将基因编辑用于人们认为不会给社会带来重大利益或可能对动物福利产生负面影响的目的持消极态度,例如改变动植物产品的外观或增强牲畜的生产性状。
医疗人工智能 (AI) 对未来的医疗保健系统至关重要。医疗 AI 研究使用以变量为中心的方法,从知识、态度和行为层面孤立地研究了人们对使用医疗 AI 的抵触情绪,同时忽略了存在一些亚群,他们的知识、态度和行为的综合水平可能存在差异。为了解决文献中的这一空白,我们采用以人为本的方法,采用潜在概况分析来考虑人们的医疗 AI 客观知识、主观知识、消极态度和行为意图。在两项研究中,我们确定了三种不同的医疗 AI 概况,它们根据人们对医疗 AI 的信任和感知风险而系统地变化。我们的研究结果揭示了人们不愿使用医疗 AI 的本质,以及不同特征的个体在医疗 AI 方面可能具有不同的知识、态度和行为。
尽管有证据表明不同风险人群的需求各异,但实施的干预措施仍是统一的、高度生物医学性的,基于证据的行为和结构干预措施规模有限 计划优先考虑解决与艾滋病毒相关的对艾滋病毒感染者的污名和歧视以及对重点人群的暴力行为 尽管过去五年中扩大了行为改变沟通干预措施的规模,但性行为改变很小 性伴侣和儿童接受艾滋病毒检测和咨询的比例低 向重点人群分发避孕套(特别是女用避孕套)不公平 缺乏具体的政策和法律执行工具来满足重点人群和残疾人的明确需求 对于重点人群,法律障碍、污名和提供者的消极态度减少了获得护理的机会,对信息披露和依从性产生了负面影响
摘要 我们借鉴团体和团队、社会心理学、信息系统、工程学等领域的研究成果,对人类与人工智能的团队合作进行了理论研究。根据我们的回顾,我们重点关注团队和人工智能领域的两个主要问题。首先,团队总体上对人工智能的看法是正面的还是负面的。第二,使用人工智能的决定是由团队成员自己决定(自愿使用人工智能)还是由高层管理人员或组织中的其他政策制定者强制决定。这两个方面指导我们创建一个团队级概念框架,该框架模拟了人工智能作为团队的强制补充如何对协作水平产生不对称的影响,这取决于团队对人工智能的态度。当团队对人工智能持积极态度时,强制使用的影响会抑制团队中的协作。但当团队对人工智能持消极态度时,强制使用会提升团队协作。我们的模型强调管理的必要性