经验:Andrew 拥有创业和咨询方面的背景,现在将时间分配在教育、研究、写作和协调上。他特别有兴趣与组织建立密切的合作伙伴关系,进行深入的案例研究,以产生实用且有价值的见解。他支持数千名领导者在其组织中设计和开展现场实验,测试各种想法并优化各种活动的绩效。
该计划以该研究所的技术人员领导的生物多样性步行结束。旨在增强学生对生物多样性保护的理解并帮助他们确定ICFRE-IFB校园周围的本地植物物种的步行。学生有机会探索托儿所,现场实验地点和专门实验室,包括专门用于土壤科学,昆虫学,分子生物学和非木堡森林产品(NTFP)研究的实验室。
*1 Kurokawa等。(2024)。X射线粉末衍射分析的可靠性来确定土壤的矿物质成分。土壤科学学会杂志,88,1942–1958。*2 Yang等。(2025)。CO 2去除和碳预算改进,由增强的岩石风化引起:日本北海道的现场实验。农业生态系统中的营养循环(正在审查)。*3 Uchibayashi等。(2025)。通过增强的岩石风化,玄武岩施用对土壤化学特性和元素摄取的影响。土壤科学和植物营养(正在审查)。
该项目的方法涉及几个步骤。首先,根据电力要求和能源需求确定系统设计和配置。选择合适的太阳能电池板、风力涡轮机和储能装置。设计电力电子和控制系统以优化能源转换和管理。通过模拟研究进行性能分析,并通过现场实验和测量进行验证。探索优化技术和控制策略以最大限度地提高发电量。经济分析评估系统的可行性和成本。环境影响评估评估系统的环境效益。该方法提供了一种系统方法来设计、实施和评估混合太阳能和风能系统,以实现高效和可持续的发电。
§ 合作伙伴:ZARM(应用空间技术和微重力中心)和 DLR(德国航空航天中心) § 成立时间:2014 年 § 旨在为教育或研究机构提供在德国不来梅落塔进行一系列微重力实验的机会。 § 落塔实验系列包括一周内进行的 5 次落下或弹射发射。每个实验系列都伴随着活动前一周进行的现场实验集成。 § 该计划已成功进行了 7 项实验。 § 目前开放申请,截止日期为 2023 年 1 月 22 日。
为什么会出现有偏见的算法预测,以及哪些干预措施可以防止它们?我们通过一项关于使用机器学习预测人力资本的现场实验来研究这个主题。我们随机分配约 400 名人工智能工程师开发软件,以预测不同实验条件下经合组织居民的标准化考试成绩。然后,我们使用实际的测试表现以及通过随机审计式的算法输入操作来评估由此产生的预测算法。我们还利用了受试者人群的多样性来衡量人口统计学上非传统的工程师是否更有可能注意到并减少算法偏差,以及算法预测误差是否与程序员人口统计学群体相关。本文档描述了我们的实验设计和动机;我们实验的完整结果可在 https://ssrn.com/abstract=3615404 上找到。
除了这些典型的实验之外,phyphox 还具有多种连接功能。它的蓝牙接口使智能手机传感器能够使用 Arduino 或 MicroPython 库轻松地与廉价的外部传感器相结合。这使我们能够将手机的可视化功能与 DIY 电子产品的多种传感器选择相结合,甚至编程初学者也可以使用。虽然这些示例适用于典型的学生班级规模,但 phyphox 的网络接口使我们能够将实验数据采集扩展到大型受众。自动数据收集和分析使整个演讲厅能够在讲座期间参与现场实验,甚至已经证明了确定地球轴倾斜的全球实验。
这项研究通过分析来自Mi-Crosoft,Accenture的三个随机对照试验的数据以及一个匿名的Fortune Fortune 100 Electronics Manufacturing Company,评估了生成AI对软件开发人员生产的影响。这些现场实验是由公司作为其普通业务过程的一部分运行的,它为开发人员的随机选择子集提供了对Github Copilot的访问,Github Copilot是一个基于AI的编码助手,建议智能代码完成。尽管每个单独的实验都是嘈杂的,在所有三个实验和4,867个软件开发人员中均合并在一起,但我们的分析显示,使用AI工具,开发人员的完成任务数量增加了26.08%(SE:10.3%)。值得注意的是,经验不足的开发人员表现出更高的采用率和更大的增长率。
11还应强调,实验设计特定于碳抵消,作为公司提供的附加服务。尽管这种做法在现实世界中的消费市场中广泛存在,但体验设计和发现可能无法直接适用于将碳排放直接嵌入产品或金融资产中的设置,例如Heeb等人。(2023)。12相对于先前的文献,本文中采用的方法在识别WTP的方式上有所不同。Heeb等。 (2023)和Pace等。 (2023)使用Becker – Degroot – Marschak机制,其中受试者在具有不同程度的碳排放的选项之间做出多种选择,最后一个选择在最后随机实现。 此方法虽然被广泛接受,但并不适用于自然现场实验或观察数据。 为了克服这一挑战,我将价格和碳排放量随机化,然后使用这种变化来估计McFadden等人精神的随机效用模型。 (1973)和Hanemann(1984)。 了解跨研究的不同启发方法如何影响WTP将是未来研究的重要途径。Heeb等。(2023)和Pace等。(2023)使用Becker – Degroot – Marschak机制,其中受试者在具有不同程度的碳排放的选项之间做出多种选择,最后一个选择在最后随机实现。此方法虽然被广泛接受,但并不适用于自然现场实验或观察数据。为了克服这一挑战,我将价格和碳排放量随机化,然后使用这种变化来估计McFadden等人精神的随机效用模型。(1973)和Hanemann(1984)。 了解跨研究的不同启发方法如何影响WTP将是未来研究的重要途径。(1973)和Hanemann(1984)。了解跨研究的不同启发方法如何影响WTP将是未来研究的重要途径。