©John Wiley&Sons(上和右)和ESA / AOES Medialab(下)。保留所有权利。此内容被排除在我们的Creative Commons许可中。有关更多信息,请参见https://ocw.mit.edu/help/faq-fair-use。
©作者2024。Open Access本文在创意共享属性下获得许可 - 非商业 - 非洲毒素4.0国际许可证,该许可允许以任何中等或格式的任何非商业用途,共享,分发和复制,只要您与原始作者提供适当的信誉,并为您提供了符合创造性共识许可的链接,并提供了持有货物的启动材料。您没有根据本许可证的许可来共享本文或部分内容的适用材料。本文中的图像或其他第三方材料包含在文章的创意共享许可中,除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料,并且您的预期用途不受法定法规的允许或超过允许的用途,则您需要直接从版权所有者那里获得许可。要查看此许可证的副本,请访问http:// creativecommons.org/licenses/by-nc-nd/4.0/。
在教学活动中实施互动学习策略可以鼓励导师和精益者之间的多次互动以实现其学习目标。本研究旨在确定导师交互式学习策略的有效性,以在软件包计划中的学习者之间提出学习目标。本研究中使用的方法是定量的,并在分析数据时具有描述性方法。这项研究参与了帕坦的Binuang Sakti集团的30个包裹学习者。他们填写了与他们对辅导员在包装C计划中应用的交互式学习策略的看法有关的问卷。研究结果表明,大多数学习者都同意,导师通过在班级中实施互动学习来帮助他们制定学习目标。研究的结论是,在帕坦的Binuang Sakti Conpect c的Binuang Sakti小组的互动学习实施有效地帮助学习者确定他们的学习目标以参与C计划。
里贾纳 V. 雷加拉多,马萨诸塞州Erica V. Montecillo、Moises A. Dorado、Leo Neil T. Viado、Concepcion L. Khan、Aldrin Joseph J. Hao、Artemio M. Salazar 和 Maria
构建能够进行自然和长时间对话的对话代理一直是一项重大的技术和设计挑战,特别是对于面向社区的对话代理而言。我们提出相互心智理论作为设计自然的长期人机交互的理论框架。从这个角度来看,我们通过在线教育背景下的自我报告调查和计算语言学方法探索社区对问答对话代理的看法。我们首先研究学生对 Jill Watson (JW) 的看法的长期时间变化,JW 是部署在在线课堂讨论论坛中的虚拟助教。然后,我们探讨通过从学生-JW 对话中提取的语言特征来推断学生对 JW 的看法的可行性。我们发现,学生对 JW 的拟人化和智力的看法随着时间的推移发生了显着变化。回归分析表明,语言的冗长性、可读性、情感、多样性和适应性反映了学生对 JW 的看法。我们讨论了构建面向社区的自适应对话代理作为长期伴侣以及设计面向人机交互中的相互心智理论的意义。
太平洋论坛成立于 1975 年,是一家独立、无党派、非营利的外交政策研究机构,总部位于美国夏威夷州檀香山。论坛的重点领域涵盖当前和新兴的政治、安全、经济和商业问题,并通过与该地区学术、公共政策、军事和工业领袖进行研究、分析和对话,帮助促进印度-太平洋地区的合作政策。论坛与环太平洋地区 30 多个研究机构网络合作,借鉴亚洲观点,向该地区的意见领袖、政府和各类公众传播项目结果和建议。我们定期与亚洲各地的机构共同赞助会议,以促进非政府机构建设并促进思想交流。董事会指导太平洋论坛的工作。论坛由基金会、公司、个人和政府资助。论坛的研究不涉及机密或专有工作。支持太平洋论坛 太平洋论坛是一个私人、独立、无党派、非营利的 501(c)(3) 组织。在 www.pacforum.org/support-us 进行免税慈善捐款 要支持特定计划,请联系我们的开发总监:brooke@pacforum.org
智能代理(IAS)在我们的日常生活中被广泛采用,预计这种趋势将会增加。驾驶环境是可以利用IAS的流行领域之一。在手动驾驶的背景下,车载剂(IVAS)主要帮助驾驶员执行驾驶或与驾驶相关的任务,以免他们分散驾驶情况的注意力[2,3]。根据引入自动车辆(AV)的引入,IVA的重点会变化。如果我们进入AVS的SAE 5级,人们将不受AV的驾驶任务[7]。因此,研究人员开始研究IVDA的使用来增强AVS的用户体验[1,4,5,6]。以前的努力以找出AV中理想形式的IVA形式,这是人们与代理商互动的情况。但是,很可能有两个以上的IAS在真正的驾驶过程中共存,因为汽车中的人们通常具有个人设备(例如智能手机),并且汽车本身可能具有自己的IVA。如果存在两个或多个IAS,则与一对一的相互作用相比,与IAS的相互作用流或逻辑相比将有所不同。在这种情况下,出现了许多研究问题。一些示例如下:
目前的小分子药物仅针对 10-15% 的人类蛋白质组。其余 85-90% 的人类蛋白质通常被认为是“不可药用的”。扩大人类蛋白质作为药物开发潜在靶标的比例的有效方法是使用小有机分子调节蛋白质-蛋白质相互作用。我们的研究重点是开发创新方法,以有效设计蛋白质-蛋白质相互作用的小有机抑制剂。这些方法用于指导预选蛋白质-蛋白质相互作用的高效抑制剂的合成和功能表征。所得的小有机分子可用作化学探针来研究生物学问题,并可作为药物开发的先导结构。通过化学和生物学方法的跨学科结合,我们目前的研究包括以下主题:
在过去的二十年里,商业模式和商业模式创新的概念在学术界和实践导向的文献中都引起了广泛关注(Amit 和 Zott 2021 ;Gassmann 等人 2018 、2020 ;Massa 等人 2017 ;Wirtz 2020 ;Wirtz 等人 2016 ;Zott 等人 2011 )。该文献中的一个关键问题是同一家公司管理同一行业中的多种相互依赖的商业模式(例如 Aversa 等人 2015 、2017;Bosbach 等人 2020;Christensen 和 Raynor 2003;Markides 和 Oyon 2010;Snihur 和 Tarziján 2018;Sohl 和 Vroom 2014、2017;Sohl 等人 2020;Velu 和 Stiles 2013)。一种独立运作时可能表现良好的商业模式,一旦与同一组织中的另一个商业模式放在一起,可能会显示出不同的绩效结果(例如 Casadesus-Masanell 和 Ricart 2011)。20 世纪 90 年代初美国大陆航空的案例就是一个很好的例子。 1993 年,为了模仿西南航空成功的商业模式,大陆航空采用了“大陆精简版”商业模式,作为其原有全方位服务商业模式的补充。这种简洁、低成本的航空商业模式本身被证明是非常成功的,但是当与大陆航空的全方位服务商业模式结合使用时,却变成了一场灾难。大陆航空在运营两年并累计亏损 1.4 亿美元后放弃了大陆精简版(参见 Porter 1996 )。另一方面,至少在新冠危机之前,智利的 LAN 航空(最近与巴西的 TAM 航空合并后更名为 LATAM)和德国的汉莎航空似乎都相当成功地运营着多种商业模式(Snihur 和 Tarziján 2018 )。哪些偶然因素可以解释如此不同的绩效结果?文献中提出的一个可能的答案是商业模式之间相互依赖的性质——它们是否以及在多大程度上是替代(冲突)或互补(协同)。这些相互依赖的性质反过来又将决定在同一组织屋檐下运营多种商业模式是否会引起诸如公司形象和声誉不一致等权衡,或产生协同效应,从而使公司能够创造更多价值(例如 Christensen 和 Raynor 2003 ;Markides 和 Oyon 2010 ;Porter 1980 、1996 )。一旦确定了这些相互依赖性,挑战就是确定一个组织结构来处理由这些相互依赖性引起的复杂性——将冲突保持在最低限度并有助于利用协同效应。根据现存的学术文献(例如,Christensen 和 Raynor 2003;Gilbert 2003;Gulati 和 Garino 2000;Khanagha 等。2013;Markides 和 Charitou 2004)——并且超越了 Snihur 和 Tarziján(2018)使用的经典集中化/分散化区分——我们可以确定企业可以用来管理多个相互依赖的商业模式的四种主要组织方法。它们是:组织整合,即将不同的商业模式保留在同一组织内;组织分离,即将不同的商业模式保留在不同的单位;分阶段整合(先分离,稍后重新整合);分阶段分离(在同一组织中启动它们,稍后分离)。最后两种选择特别有趣,因为它们引入了时间维度,允许学习和稍后调整决策
在信息论框架内,两个随机变量之间存在相关性意味着我们可以通过测量或观察另一个随机变量来获得有关其中一个变量的信息。在某些情况下,这种关系允许获取有关一个变量的信息,即使另一个变量相隔很远,也就是说,获取信息的过程是非局部的,一个例子(如果不是唯一的例子)就是量子纠缠。相关性的这些特征使得研究、分类和量化它们变得有趣和重要。相关性分为经典相关性和量子相关性,此外,它们通过互信息进行量化。在这里,我们将提出一种定义经典互信息的自然方法,然后将其推广到量子情况。此外,互信息定义中的每个术语都将使用经典和量子熵的概念进行解释。关键词:信息熵、相关性、互信息。