XiaoMi-AI文件搜索系统
World File Search System说服力
说服力和另一件事人种志很重要的备份
说服力和另一件事：今年早些时候对政治中的大数据方法论的批评，一家名为Cambridge Analytica的公司在辩论中对大数据和选举的最前沿，声称对唐纳德·特朗普（Donald Trump）和英国脱欧运动的沮丧胜利负责。报告已将该公司作为木偶大师“宣传机器”，能够通过专有的心理测量数据融合，主要是Facebook“喜欢”和针对的裸露。在这个故事中，由琼斯母亲和《卫报》等人重复，剑桥分析[与“选举管理”公司合作，称为SCL集团）既是国王制造商，又是一位派对人：选民无法抗拒尝试与选民的在线环境无缝地融合在一起，因为他们被选中的人毫无疑问地努力地将投票人员置于投票范围内。
不要问“为什么？”：一种新颖的疫苗说服力方法，而不是解决疫苗犹豫
最近关于疫苗的CMAJ第1条对影响疫苗接受的因素的总体局限性造成了损害，这是通过暗示认知多元化和一种知识缺陷方法之间的简单难题，从而减轻了犹豫。动机访谈强调了在患者疫苗顾问Ling中具有EMPA，以患者为中心的协作式通讯风格的重要性，并具有强大的加拿大结果数据，可以支持其有效解决疫苗犹豫并改善接受的有效性。2此外，第1条忽略了证据表明，疫苗接受性通常是多阶乘，并且比作者所建议的要复杂得多。3尽管我们不否认医疗保健提供指导在促进疫苗接受的关键作用，但许多其他接受的驱动因素是
人类和 ChatGPT 生成的 HPV 疫苗接种支持信息的说服力比较
目前，关于评估 GPT-4 生成 HPV 疫苗支持信息的性能的研究较少。尽管先前的研究表明 AI 可以支持人类的决策和说服（16，17），包括在公共卫生等高风险领域的沟通任务中（18，19），但其在不同主题上生成疫苗支持信息的能力仍不清楚。先前的研究已经确定了个人在决定是否接种 HPV 疫苗时可能考虑的 17 个影响因素（20），为生成 HPV 疫苗接种信息提供了理想的框架。在本研究中，我们利用该框架根据这些影响因素构建疫苗支持信息，并探讨 ChatGPT 与人类生成的 HPV 疫苗支持信息在说服力方面的差异。我们提出以下假设：
大语言模型的说服力
大语言模型充当人类社会代理人的能力越来越多，在意见动态领域提出了两个重要问题。首先，这些代理人是否可以产生有效的论点，这些论点可以注入在线论述中，以引导公众舆论。第二，人造代理人是否可以相互互动以重现人类社会系统典型的说服力的围导，为研究合成社会系统作为忠实人群的忠实代理提供了机会。为了解决这些问题，我们设计了关于气候变化主题的综合说服对话方案，其中“说服者”代理人为“怀疑论者”代理人产生了有说服力的论点，后来评估了Argument是否改变了其内见状态。产生了不同类型的论点，以结合观点变化的心理语言理论的不同语言维度。然后，我们要求人类法官评估机器生成的论点的性能。包括事实知识，信任标志，支持表达和传达地位的论点被认为是对人类和代理人的最有效的影响，人类报告对基于知识的论点有明显的偏爱。我们的实验框架为未来的意见动力学研究奠定了基础，我们的发现表明，人造代理具有在在线媒体中的舆论形成过程中发挥重要作用的潜力。
在电视上和巴西社交媒体上使用有说服力的策略
我们分析了2018年4月在巴西的电视和Facebook，Instagram和YouTube上的18个食品品牌对有说服力的广告策略的使用。从三个组中调查了广告策略：广告策略的力量（例如，使用许可性格，名人，奖励等），使用奖品的使用（n = 9）（例如，付费2付费3或更多，礼物或可收集，限量版等），以及对品牌benesions（n = 8）的使用（n = 8）（n = 8）（n = 8）（n = 8）（n = 8）（n = 8）（n = 8），品味，香气，并推荐如何使用/消费产品等）。几乎90％的品牌是超级加工的食品生产商，他们在电视上携带了52个广告，并在社交媒体平台上刊登了194个帖子。与社交媒体平台相比，在电视广告（19.2％; p <0.0001）上发现了“卡通/公司拥有的角色”的较高频率（在三个平台上为0％），而与电视（19.2％）相比，YouTube（41.4％）在YouTube（41.4％）上占据了“著名运动员/团队”的存在（19.2％）（19.2％），per（10.9m）和Instrans（9.9m）（9。Agr）（9。Agr），9。1％（9.1％），9。1％（9.2％），9。1％（9.2％）。在YouTube广告中，主张“基于感觉的特征”（86.2％），“建议使用”（51.7％）和“情感主张”（31.0％）（31.0％）与其他媒体相比更常见，而对“新品牌发展”的索赔，而“新品牌发展”的索赔（23.1％），“价格”（23.1％），“价格”（9.6％）和“ 21％”（9.6％），并且是“''（9.6％），并且是“''（9.6％），并且''（'''（（9.6％），以及整个产品，以及整个产品，以及整个产品，以及整个产品（23.1％），以及整个产品（23.1％），以及整个产品的索赔，并且是整个产品。在电视上盛行。超级加工食品品牌是在巴西电视和社交媒体上做广告的主要食品公司，根据使用的广告策略，这些品牌在每个媒体中传递的信息都会有所不同。
*这是一个未报告的意见。在凝视决定中，可能不会将该意见视为先例。它可以引用有说服力的价值ONL
11。鉴于肾素康斯坦丁的危险因素，以及她的白血数量显着升高（包括升高的带子表明感染了更严重的感染），以及她的异常生命体征，巴尔的摩华盛顿紧急医生，Inc。的代理人康斯坦丁女士没有发现与此相互测试，但康斯坦丁女士又没有进行过测试。BWEP根据第14-3A-
在小组场景中体现有说服力的类人动物的礼貌
在物理和虚拟环境中，小组互动都显着塑造了我们的社会经历。理解并复制与虚拟代理或物理机器人的群体相互作用构成了可能性和挑战。对这些挑战的核心是礼貌的关键方面，这是塑造我们社会互动的基本基石。该博士学位论文研究了礼貌策略在与人类人工制剂中物理和虚拟环境中小型独立对话群体内的社交互动中的深刻意义。它特别关注它们对虚拟字符或实施对话剂（ECA）和人类机器人相互作用（HRI）的适应性。论文探讨了这些策略对参与者与虚拟药物或人形机器人之间相互作用期间积极看法的说服力，遵守社会规范的影响，同时加入了一组人造类人动物。它涉及一系列的用户研究，并进行了实验设置，这需要在虚拟或物理环境中向参与者展示困境。参与者应决定花费更多的努力，以遵守代理商的请求，或者选择最小二能力的替代方案，同时忽略该请求。补充，设置评估了参与者对虚拟代理商或机器人表达的各种礼貌策略的回应，以扩展邀请加入一个小型独立型团体。这项研究通过定义与礼貌策略保持一致的行为，即使在需要更加努力的选择的情况下揭示了参与者遵守社会规范，并根据诸如说服力，礼貌和社会遵守的标准来指出最佳行为。最终，这些发现提供了对礼貌策略在人类代理互动中与众不同的作用的见解，以轻轻影响人类的决策，同时与他们保持积极的关系。这些见解铺平了为各种领域的虚拟代理和机器人设计更有效和社会可接受的行为的道路。
保护对Tuskegee家族的承诺：禁止使用有说服力的AI获得商业药物试验的知情同意
*©2023 Jennifer S. Bard。辛辛那提大学法学院法学教授，辛辛那提大学医学院内科学系教授。她有学士学位来自J.D. 的Wellesley College 耶鲁大学法学院，康涅狄格大学的公共卫生硕士学位和博士学位。得克萨斯理工大学高等教育。 来到辛辛那提之前，Bard博士担任德克萨斯理工大学的Alvin R. Allison法律主席，并且是精神病学系的教授。 她曾是哈佛法学院健康法律法律政策，生物技术和生物伦理学中心的访问学者，以及乔治敦法律的O. neill国家和全球卫生法研究所，以及冰岛大学法律教师和澳大利亚墨尔伯大学Llmbe University of Llm llm comprog的客座教授。 她是美国法律研究所的当选成员，曾担任美国法学和医学法学院协会部分主席，并曾两次主持精神残疾委员会主席。 此外，她还是美国公共卫生协会关于道德的部分的创始成员之一，她担任了许多当选职位，目前是财务主管。来自J.D.耶鲁大学法学院，康涅狄格大学的公共卫生硕士学位和博士学位。得克萨斯理工大学高等教育。来到辛辛那提之前，Bard博士担任德克萨斯理工大学的Alvin R. Allison法律主席，并且是精神病学系的教授。她曾是哈佛法学院健康法律法律政策，生物技术和生物伦理学中心的访问学者，以及乔治敦法律的O. neill国家和全球卫生法研究所，以及冰岛大学法律教师和澳大利亚墨尔伯大学Llmbe University of Llm llm comprog的客座教授。她是美国法律研究所的当选成员，曾担任美国法学和医学法学院协会部分主席，并曾两次主持精神残疾委员会主席。此外，她还是美国公共卫生协会关于道德的部分的创始成员之一，她担任了许多当选职位，目前是财务主管。
探索共同存在和远程机器人对说服力和对礼貌感的影响
礼貌是人类社会互动的关键方面。尽管人类群体中对礼貌的侵蚀是充分理解的，但在与机器人的群体互动中仍然没有得到充实的理解。因此，在本文中，我们对人类机器人在小组中的说服力和感知的礼貌中的存在进行了初步探索。，我们与共同出现和远程机器人一起进行了一项用户研究（n = 119），邀请参与者使用摘自Brown和Levinson的礼貌理论的六种礼貌行为加入小组。它要求参与者在小组最远的一侧加入，即使他们也可以使用更近的一侧，但会忽略机器人的请求。结果表明，共同出现的机器人被认为比远程机器人更有说服力。但是，共同主持人提高了机器人要求的清晰度和所感知的行动自由，同时降低了感知到的友善和善意。
在说服力论文中迈向细粒度的论证策略分析
参数挖掘（AM）在过去十年中已成长为研究领域（Stede and Schneider，2018； Lawrence and Reed，2020年），重点是自动识别和提取自然语言论证的任务。这包括对论点组件的检测，例如主张（Daxenberger等人。，2017年； Schaefer等。，2022）和前提（Rinott等人，2015年），以及它们之间的关系（Carstens和Toni，2015年）。研究已在不同的文本域上进行了研究，例如更编辑的文本，例如社论（Al-Khatib等人，2016年）或Wikipedia文本（Rinott等人，2015年），到社交媒体，例如改变我的观点（Hidey等人，2017年）或Twitter（Schaefer and Stede，2022）。到目前为止，感兴趣的领域是一个识别论证策略的识别，即作者在线性化论证上做出的决定并用语言表达式以有说服力的效果标记（Al-Khatib等人）（Al-Khatib等人），2017年； El Baff等。，2019年）。有效性，可以描述为参数的一个维度 -