刘伟:Berry教授,感谢您接受我们为《Advanced Photonics》杂志特意安排的这次采访。虽然这是一本光子学杂志,但我们不必将话题局限于光子学。我们可以自由地谈论任何与数学、物理以及您喜欢的其他事物有关的事情。编辑们确实希望这次采访能够使其他学科的读者受益。现在,Berry阶段几乎遍布物理学、化学和许多其他学科的不同分支。它的重要性再怎么强调也不为过。但不幸的是:Michael Berry被简化和定型为一个阶段。而事实上,您对许多物理学领域都有绝对独创的贡献。许多人不知道,您对数学也有开创性的贡献,而且您培养的优秀学生也对物理学和数学做出了重大贡献。例如,您的博士生Jonathan Keating现在是牛津大学Sedleian数学教授、皇家学会会员,并曾担任伦敦数学学会会长。我的第一个问题是:为什么你一开始不选择数学?迈克尔·贝里:因为我对数学一无所知。当我开始读研究生的时候,我对数学几乎一无所知。我知道我喜欢理论物理,也喜欢这些想法,但我并不是很了解
企业发现自己正处于人工智能 (AI) 及其商业潜力的真正竞争中。作为一种通用技术,学者和从业专家预测,人工智能应用将颠覆行业和组织机构 [1]。尽管几十年来人工智能一直是争论不休的话题,但其最近的突破得益于易于获取的计算资源、数据的丰富性和可访问性以及机器学习模型的进步 [2]。因此,人工智能技术不仅渗透到产品和服务组合中,而且还推动了商业模式创新。虽然采用数字技术的可用性和用户行为已经引发了引人注目的研究,但人工智能前沿提出了更根本的问题。首先,机器学习(作为目前最主要的人工智能技术方法)依赖数据来训练和
摘要 主观证据民族志(SEBE)是数字民族志中发展起来的一系列方法,用于社会科学调查,基于第一人称视角的主观音频和视频记录。记录用于自我对质(收集主观经验、讨论发现和最终解释)。一些应用 SEBE 方法的研究提到“内省”是自我对质过程中发生的一个过程,并在没有提供其发生的证据的情况下对其进行了讨论。本文旨在阐明内省及其在 SEBE 中的发生。在回顾了有关内省的文献之后,通过案例研究分析、描述和说明了 SEBE 中的内省过程。提出了 SEBE 中发生内省的条件和相关机制:研究发现,间接内省实际上可能发生,但并不频繁,并且可以被忽视而不会降低分析的质量。在访谈期间或访谈后对内省的精细分析并未被认定为活动分析的附加值。
摘要:目的:分析针对性动机访谈(TMI)在慢性心力衰竭(CHF)护理中的应用效果。方法:选择我院收治的93例CHF患者作为研究对象,按照随机双盲法分为A组(n=47)和B组(n=46)。A组患者采用TMI治疗,B组患者采用心力衰竭(HF)常规护理。比较2组患者的自我护理水平(心衰自我护理指数)、服药依从性(Morisky服药依从性量表)、生活质量(明尼苏达心力衰竭患者生活质量问卷)及预后(再入院率和死亡率)等。结果:护理后,A组患者自我护理维持、管理及信心,按医嘱服药频率、时间、剂量、种类,停药或停药、遗忘服药,以及身体、情绪等方面的评分均高于B组(P < 0.05)。A组患者服药依从率、服药不依从率(61.70%和6.38%vs.41.30%和23.91%,P < 0.05),再入院率(6.38%vs.23.91%,P < 0.05)及死亡率(0%vs.6.52%,P > 0.05)均优于B组。结论:TMI有利于提高CHF患者的自我护理水平、服药依从性、生活质量及预后。
背景:动机访谈 (MI) 是一种基于证据的简短干预方法,已被证明在触发高风险生活方式行为的改变方面非常有效。MI 在临床环境中往往未得到充分利用,部分原因是培训有限且无效。为了更广泛地实施 MI,迫切需要改进 MI 培训流程,以便能够提供及时有效的反馈。我们的团队开发并测试了一种培训工具,即动机访谈对话实时评估 (ReadMI),它使用自然语言处理 (NLP) 提供即时 MI 指标,从而满足对更有效 MI 培训的需求。方法:检查了 ReadMI 工具从 48 次由住院医师对模拟患者进行的访谈记录中生成的指标,以确定医生说话时间与其他 MI 指标之间的关系,包括开放式和封闭式问题的数量。此外,还进行了评分者间信度统计,以确定 ReadMI 对医生反应的分析的准确性。结果:医生花在谈话上的时间越多,医生参与 MI 一致面试行为的可能性就越小(r = −0.403,p = 0.007),包括开放式问题、反思性陈述或使用变化标尺。结论:ReadMI 生成特定指标,培训师可以与学生、住院医生或临床医生分享以获得即时反馈。考虑到医疗职业培训中针对性技能发展的时间限制,ReadMI 减少了依赖主观反馈和/或更耗时的视频复习来说明重要教学要点的需要。关键词:患者参与、医学教育、软件开发
我们的精力和旅行并减少我们的电力消耗。新喀里多尼亚已经理解了这一点,并于2016年推出了新的喀里多尼亚能源过渡计划。能源部门已成为一个非常动态的部门,尤其是可再生能源生产项目的加速。从2023年开始,应100%续签公共电力分配。未来的机会是多种多样的:我们必须并且可以逐渐脱氧我们的镍行业;由能源组合产生的“绿色”镍从环境角度将其受益于该领土的份额,也将成为最终客户之间差异化的来源。其他机会存在:在不久的将来将从电动到氢的流动性领域;而且,在能源效率方面,尤其是在第三级部门。由可再生能源产生的绿色氢,将为新喀里多尼亚提供巨大的机会,新喀里多尼亚也有天然的氢。
Engie一直在新喀里多尼亚领先,因为创新是我们价值观的核心。第一个法国风电场是在新喀里多尼亚建立的,由AlizésEnergieEngie于1997年安装了Negandi风力涡轮机。在2015年,EEC Engie提供了第一个用于家庭自我消费的光伏优惠,并安装了2018年个人自我消费的第一个集体光伏单元。绿色移动性和汽车共享也是EEC Engie的优先事项,其中包括电动,混合动力和氢车,这是新喀里多尼亚的首次。从明年开始,由于其光伏生产,其能源存储系统和网格管理系统,Lifou肯定会成为太平洋第一个100%的绿岛。
摘要:用循环经济形式取代支离破碎的线性经济以帮助解决当前的可持续性危机的想法正在全球政策、行业和学术界获得关注。本文介绍了对 34 名不同领域的修复从业者和专家进行的国际访谈研究的结果。本文旨在提高对修复潜力的理解,从而为更公正、可持续和循环的经济做出贡献。通过五步定性方法,结果揭示并探索了修复中固有的三种张力:首先,修复活动构成了不同形式的主观性;其次,修复涉及不同的、有时是有争议的时间性;最后,尽管修复在实践中具有深刻的政治性,但修复的政治性并不总是明确的,一些修复活动被积极地去政治化。这些张力中体现的机遇和障碍在修复实践和辩论中具有生成性,但在当代循环经济话语中却反映不佳。我们得出结论,对修复有更丰富、更包容和更政治化的理解可以支持循环经济 (CE) 实施中的环境正义,并为公正和变革性的可持续发展战略和政策提供更多机会。
摘要。组织越来越多地将人工智能 (AI) 用于业务流程。基于 AI 的建议旨在支持用户进行决策,例如通过预过滤选项。但是,用户通常很难理解这些建议是如何制定的。这个问题被称为“黑箱问题”。在人力资源管理的背景下,这引发了有关在招聘过程中接受基于 AI 的建议的新问题。因此,我们开发了一个基于计划行为理论的模型,该模型解释了用户对黑箱问题的感知与对基于 AI 的建议的态度之间的关系,区分了强制和自愿使用环境。我们对招聘和 AI 领域的专家进行了 21 次采访。我们的结果表明,由意识和评估的相关性概念化的对黑箱问题的感知与用户对基于 AI 的建议的态度有关。此外,我们表明使用环境对这种关系有调节作用。
目的:芳香族L-氨基酸脱羧酶(AADC)缺乏症是一种罕见的遗传结构,其特征是运动障碍,言语和认知功能障碍。需要得出对治疗的经济评估,与健康相关的生活质量或公用事业需要得出。这些文献目前缺乏。这很具有挑战性,患者人数很小,尤其是在小儿种群中。这项研究概述了描述AADC的小插曲的5阶段发展,用于随后的健康状态效用启发研究,重点是护理人员和临床医生的参与。方法:为了与经济模型保持一致,开发了5个描述5个AADC缺陷运动里程碑的小插图,从“卧床不起”到“援助”。第1阶段包括鉴定文献和AADC缺陷慈善网站的症状/障碍。第2阶段包括与3名看护人的小组讨论。症状矩阵开发了,其次是小插图(第3阶段)。八位临床医生通过调查(第4阶段)与相同的3名看护人一起审查了这些临床医生。在第5阶段修订了小插图。结果:关于第1阶段和第2阶段症状的共识很高,尽管文献强调了行为和自主症状,而照料者没有。症状分为神经肌肉,自主,认知,行为和功能障碍。临床医生和看护人的小插图反馈强调了AADC的特发性。尽管如此,临床医生只提出了另外2个症状。同样,护理人员提出了4种症状,并改变了用于认知症状的措辞。并非所有更改都包括在内。结论:护理人员,临床医生和文献的不同重点增强了患者/看护者参与的重要性。小插曲需要全面捕获与AADC缺乏症生活的感觉,以使随后的公用事业变得坚固。专注于证据三角剖分,尤其是针对特发性条件,以及如何从照顾者那里寻求参与是研究的重要途径。关键字:芳香族L-氨基酸脱羧酶缺乏症,AADC缺乏症,小插曲,看护人,临床医生