XiaoMi-AI文件搜索系统
World File Search System经验的
对经验的看法会影响利他主义和对代理的看法影响人类机器互动的信任（扩展摘要）
Gray等人的开创性工作。（Gray，Gray和Wegner 2007）证明了人们在两个维度上感知他人的思想：（i）经验，即感受情感的能力； （ii）代理，即计划和行动的能力。尽管进行了许多研究，研究了代理和经验的受众，但这两个维度在利他主义和信任中所起的作用尚不清楚。我们认为，互动伙伴中对经验的看法可以对他们进行利他的行为。我们提出的另一个假设是，互动合作伙伴对代理的看法预测了对他们的信任。为了检验这些假设，我们采用了两个典型游戏：一个单拍独裁者游戏（DG）和一个单杆信任游戏（TG）。DG中共有的金额是对态度和亲社会行为的替代措施，而TG中共有的金额反映了分配者对接收者信任度的评估。，我们将150名参与者与DG和TG中的机器人合作伙伴配对，同时通过撰写“该机器人具有[能够 /无法感觉到疼痛的能力）来操纵机器人的经验，并通过写作来操纵机器人的代理：‘这个机器人[该机器人[能够 /无法]计划行动和锻炼自我控制。”。
对人工智能与人类经验的同理心以及透明度在心理健康和社会支持中的作用聊天机器人设计：compa
背景：同理心是我们与他人联系，我们的心理健康以及对挑战的韧性的推动力。随着生成人工智能（AI）系统，心理健康聊天机器人和AI社会支持伴侣的兴起，重要的是要了解人与人工智能叙述者对故事的发展以及透明度如何在用户情感中发挥作用。目标：我们旨在了解同理心如何在人写的故事与AI编写的故事中转移，以及这些发现如何为道德含义和以人为中心的方式设计，以将心理健康聊天机器人作为同理心的对象。方法：我们对985名参与者进行了众筹研究，他们每个人都写了一个个人故事，然后对2个检索的故事进行了同理心，其中一个是由语言模型写的，另一个是由人写的。我们的研究各种各样的揭示了一个故事是由人类还是人工智能系统撰写的，以查看透明作者信息如何影响对叙述者的同理心。我们进行了混合方法分析：通过统计测试，我们比较了用户对不同条件的故事的自我报告的同情。此外，我们定性地编码了有关对故事的反应的开放反馈，以了解透明度如何以及为什么影响人类对AI讲故事的人的同理心。结果：我们发现，在几乎所有情况下，参与者对AI写的故事都会显着同情，无论他们是否意识到（t 196 = 7.07，p <.001，cohen d = 0.60）或不知道（t 298 = 3.46，p <.001，p <.001，cohen d = 0.24），这是一个故事。我们还发现，当故事作者有透明度时，参与者报告了更大的意愿对AI写的故事表示同情（t 494 = –5.49，p <.001，Cohen d = 0.36）。
研究文章 政府在实现药品安全中的作用：利益相关者的观点和经验的初步探索
药品是必需品，是大多数流程和干预措施的基石，旨在确保任何人群的最佳医疗保健和福祉。除了承担提供药物的责任外，制药行业还有潜力促进社会经济发展，如创造就业机会和增加收入。这项研究旨在评估政府在推动尼日利亚制药业发展方面的作用。调查问卷发放给了参加旨在发展尼日利亚制药业的活动的医疗保健从业者。使用社会科学统计软件包对收集的数据进行分析。共有 76 名受访者参与了这项研究。三分之二的研究参与者（69.7%）为男性，略多于三分之一的研究参与者（38.2%）年龄在 51 岁以上，近四分之一的参与者（21.1%）拥有博士学位。大约一半的研究参与者（51.4%）表示尼日利亚制药业监管不力，而几乎所有人（97.4%）都表示让立法机构参与进来对于该行业的发展至关重要。绝大多数研究参与者（87.5%）表示应审查现行药品法以保护制药业。此外，大多数参与者（56.3%）对政府发展制药业的努力不满意。虽然这项研究的调查对象很小，但其结果揭示了限制尼日利亚制药业优先考虑的因素的新见解。新出现的证据可以开始为旨在实现尼日利亚药品安全的积极政策和实践改革提供支持。进一步的研究可以在这些初步发现的基础上，实现强有力和全面的部门干预，以改善医疗保健的机会，同时促进社会经济发展。
实际证据框架支持欧盟监管决策 - 第二份关于2023年2月至2024年2月的监管者领导的研究获得的经验的报告
“我们从事出色的临床证据。（…）更大，更好，更具影响力的临床试验是其中的一部分，同时实现和确定RWE的价值是另一种。这是我们的愿景，我们正走向实现它。”
双语对大脑结构的动态影响映射到基于经验的神经可塑性的一般原理
双语与皮层脑区域的结构适应有关，这些区域对于控制多种语言很重要。然而，对这些适应的位置和程度的研究产生了可变模式，尤其是就皮层区域而言。关于双语诱发的大脑重组的现有文献已经从其他领域中监督了证据，表明基于经验的结构神经可塑性通常会触发遵循扩张 - en呈肾上腺素化轨迹的非线性适应性。在这里，我们使用通用的加性混合模型来研究具有广泛双语体验的双语样本中量化双语体验对基底神经节和丘脑的非线性影响。我们的结果表明，双侧尾状核和伏隔核的体积与双语体验显着相关。重要的是，这些遵循的非线性模式，随后是最有经验的双语者的平稳性，这表明基于经验的体积增加只有最高才能达到一定水平的双语体验。此外，双语经历对ps虫和丘脑的数量进行了积极的预测。结果提供了第一个直接的证据，即双语主义与其他认知要求的技能类似，从而导致动态的皮层结构适应性，这些适应可能是非线性的，这与经验依赖性神经塑性的扩张 - 重生模型一致。
对非正式护理人员经验的定性研究
抽象引入早期筛查和治疗可以通过在早期发现和解决眼病来降低失明的发生率。眼科医生机器人是一种自动化设备，可以同时捕获眼表和眼底图像，而无需眼科医生，因此非常适合初级应用。但是，设备筛选功能的准确性需要进一步验证。本研究旨在使用眼科医生机器人捕获的图像进行评估和比较眼科医生和深度学习模型的筛选精度，以确定一种既准确又具有成本效益的筛选方法。我们的发现可能会为远程眼筛的潜在应用提供宝贵的见解。方法和分析这是一项多中心的前瞻性研究，将招募来自3家医院的约1578名参与者。所有参与者将经历眼科机器人拍摄的眼表和眼底图像。此外，有695名参与者将用缝隙灯成像其眼表面。将收集来自门诊病历的相关信息。主要目的是通过接收器操作特征曲线分析，使用设备图像来评估眼科医生筛查对多种盲目引起的眼部疾病的准确性。靶向疾病包括角膜炎，角膜疤痕，白内障，糖尿病性视网膜病，与年龄相关的黄斑变性，青光眼视觉神经病和病理近视。次要目标是评估深度学习模型在疾病筛查中的准确性。此外，该研究的目的是比较眼科机器人机器人和缝隙灯在筛查角膜炎和角膜疤痕中使用Kappa测试之间的一致性。此外，将通过构建Markov模型来评估三种眼筛选方法的成本效益，基于非甲状化医学筛查，眼科医生 - 甲基甲基诊断和人工智能 - 甲基医疗筛查的成本效益。伦理和传播该研究已获得温州医科大学眼科和验光医院伦理委员会的批准（参考：2023-026 K-21-01）。这项工作将由同行评审出版物，国家和国际会议上的抽象演讲以及与其他研究人员共享的数据共享。
幼儿发展中心的学习经验的规定反对Covid-19-19
摘要本研究旨在探索在COVID-19大流行期间儿童发展中心（CDC）的幼儿发展经验的提供，重点是“什么”和“如何”方面。通过深入的访谈和小组访谈从57名参与者那里收集了数据，涉及幼儿的父母，CDCS，社区领导者和委员会的教师/照顾者以及泰国两个领域的相关政府机构。内容分析用于分析2020年7月至11月之间收集的定性数据。调查结果表明，疾病预防控制中心采用了各种形式的资本，包括：人类，团体和网络，地方智慧，组织，财务和自然资源，以遵守国家儿童发展中心标准。CDC为儿童提供了三种不同的学习经历模式：1）社区参与本地的参与，涉及与CDC相关的父母和网络。2）加强与政府，私营部门和地区一级学术部门合作的系统和机制。3）通过鼓励儿童发育，改善营养和防止COVID-19的传播，促进幼儿期的健康和健康。
对低收入和中等收入国家多种人群的生活经验的解释性现象学分析
具有多种多发性（PLWMM）的抽象人员有多种需求，需要长期的个性化护理，这需要采取以人为中心的综合医疗方法。但是，以人为中心的护理可能有可能成为全球健康中的流行语，除非我们考虑并确定人们自己的生活经验，否则无法实现。这项研究通过探索其观点，经验和愿望来捕捉到低收入和中等收入国家（LMIC）中PLWMM的生活经历。使用解释性的现象学分析方法，我们分析了来自三个地区（南亚，拉丁美洲和西非）的10个LMIC的50个半结构化访谈反应。受访者对疾病的身体，社会和系统经历是多向和互动的，并且在很大程度上捕捉到了与多种多样化的生活的复杂性。尽管治疗昂贵，但许多人的状况几乎没有改善，并且认为医疗保健并不是根据他们的需求量身定制的。疾病管理涉及多个缺乏指导的医疗保健提供者，导致重复的程序，时间损失，混乱和沮丧。财务负担因生产力失去和极端的财务应对策略而加剧，创造了恶性循环。在不确定性和由于疾病引起的破坏的背景下，许多人表现出应对自己的状况并导航医疗保健系统的能力。受访者需要广泛的需求，需要财务，健康教育，综合护理和心理健康支持。受访者的优先事项反映了他们渴望恢复生活前的生活方式 - 依靠工作，照顾家庭，并保持独立感和正常感。在与受访者讨论有关结果时，许多人似乎对重要和相关的内容有互补的看法，这可能与临床医生和研究人员建立的结果有所不同。这种知识需要补充并将其纳入现有的研究和治疗模型中，以确保医疗保健仍然专注于人类和我们不断发展的需求。
具有 MS Dynamics 365 经验的 C# 开发人员
• 分析客户需求并制定总体设计概念和目标，同时关注性能、架构和安全性。与内部团队合作制作软件设计和架构 • 根据业务需求开发 MS Dynamics 365 云解决方案 • 测试和部署应用程序和系统，包括 Dynamics 365 插件和 Azure 应用服务 • 修改、更新、重构和调试代码。使用 C# .NET 编写干净、可扩展的代码 • 排除故障、维护和改进现有的 Dynamics 365 应用程序 • 监控入站数据流并响应问题和中断 • 在整个软件开发生命周期 (SDLC) 中开发文档 • 支持初级开发人员