在 SARS-CoV-1、埃博拉病毒、MERS-CoV 等流行病期间,全球科研、制药和技术界行为不稳定,缺乏合作,错失填补重要知识空白和发挥增强和乘数效应的机会,这些促使世卫组织制定了研发蓝图和全球战略及防范计划(WHO,2020a)。蓝图借鉴成功经验,解决差距,以便世界为下一次大流行做好准备。先前尝试开发针对两种致命冠状病毒 SARS-COV-1 和 MERS-COV 的疫苗,产生了有关它们的结构、功能和发病机制的知识(Prompetchara 等人,2020 年;Dhama 等人,2020 年),尽管针对 SARS-COV-1 和 MERS-CoV 的几种候选疫苗在早期临床试验中失败,并且均未获得许可。然而,这一经验加速了多个技术平台的快速发展,这些平台目前正用于开发 COVID-19 疫苗。COVID-19 疫情在全球的爆发式蔓延已在原则上促成了国际共识,包括世卫组织、疫苗开发商、政府、资助者、捐助者和业界,各方一致认为有必要开发有效的 COVID 疫苗,并计划公平、公正地向所有国家推出疫苗(Lurie 等人,2020 年)。发展中国家在这些讨论中表达了重要的担忧,即只有发达国家才能优先获得任何新的 COVID 19 疫苗。
自疫情爆发以来,各组织一直在积极寻求提高组织敏捷性和弹性 (regility) 的方法,并转向人工智能 (AI) 来获得更深入的理解并进一步提高其敏捷性和弹性。各组织正在将人工智能作为实现这些目标的关键推动因素。人工智能通过快速准确地分析大型数据集来增强组织的能力,从而实现更快的决策并建立敏捷性和弹性。这种战略性地使用人工智能为企业带来了竞争优势,并使其能够适应快速变化的环境。如果不优先考虑敏捷性和响应能力,可能会导致成本增加、错失机会、竞争和声誉受损,并最终导致客户、收入、盈利能力和市场份额的损失。可以通过利用可解释的人工智能 (XAI) 技术来确定优先级,阐明人工智能模型如何做出决策并使其透明、可解释和可理解。基于之前关于使用人工智能预测组织敏捷性的研究,本研究重点关注将可变形人工智能技术(例如 Shapley 加法解释 (SHAP))整合到组织敏捷性和弹性中。通过确定影响组织敏捷性预测的不同特征的重要性,本研究旨在揭开使用可变形人工智能的预测模型的决策过程的神秘面纱。这对于人工智能的道德部署、在这些系统中培养信任和透明度至关重要。认识组织敏捷性预测中的关键特征可以指导公司确定要集中精力在哪些领域以提高其敏捷性和弹性。
摘要 研究表明,非专家用户倾向于过度信任或不信任人工智能系统。当人工智能应用于医疗保健时,这引起了人们的担忧,因为患者信任不可靠系统的建议或完全不信任可靠系统的建议可能会导致致命事故或错失医疗保健机会。先前的研究表明,解释可以帮助用户对人工智能系统的信任做出适当的判断,但如何在医疗支持场景中为非专家用户设计人工智能解释界面仍然是一个悬而未决的研究挑战。本文探讨了一个基于阶段的参与式设计过程,以在人工智能医疗支持场景中为非专家开发一个值得信赖的解释界面。值得信赖的解释是一种帮助用户做出深思熟虑的判断,是否信任人工智能系统用于他们的医疗保健的解释。本文的目的是确定可以有效指导可信解释界面设计的解释组件。为了实现这一目标,我们进行了三次数据收集,研究了专家和非专家对人工智能医疗支持系统解释的看法。然后,我们开发了解释的用户心智模型、专家心智模型和目标心智模型,描述了非专家和专家如何理解解释、他们的理解有何不同以及如何将它们结合起来。基于目标心智模型,我们提出了一套 14 条解释设计指南,用于值得信赖的 AI 医疗系统解释,这些指南考虑到了非专家用户的需求、医疗专家的实践和 AI 专家的理解。
欧洲科技行业,尤其是瑞士,正面临着多方面的挑战,这些挑战阻碍了其全球竞争力,其中最主要的是劳动力短缺问题 1,2 。尽管女性占人口的 50%,但在技术相关职业和公司中,女性的代表性仍然严重不足。如果有效地解决这一代表性不足的问题,就有机会大幅减少劳动力短缺并促进经济发展。目前,欧洲科技岗位中的女性代表性仅为 22% 3 。瑞士的情况也类似,女性在科技公司(25%)和高级领导职位(18%)中的代表性仍然不足 4 。本白皮书旨在通过吸引更多女性从事技术职业,提出解决科技行业人才短缺的解决方案。它为应对这一短缺挑战的技术行业高管、政策制定者和专业人士提供了战略指导,特别关注瑞士。本文旨在通过为这些利益相关者提供可行的建议,解决因性别不平衡而错失的机会。本文内容源自麦肯锡公司开展的研究,尤其是“科技界女性:解决欧洲人才短缺的最佳选择” 3 的研究,借鉴了先进能力中心多样性与包容性 (CCDI) 性别情报报告的技术样本 4 的见解,以及参加 digitalswitzerland 在世界经济论坛上主办的世界咖啡馆的 70 多位主题专家和思想领袖的贡献。研究见解还补充了瑞士技术行业领袖的专家见解。该合作项目以 digitalswitzerland、麦肯锡公司和圣加仑大学的贡献为基础。
疫苗采购成本在低收入和中等收入国家的免疫计划成本中占很大一部分,但并非所有采购的疫苗都得到了使用。疫苗浪费是由于药瓶破损、过热或过冷、过期或多剂量药瓶中的剂量未全部使用而造成的。更好地估计疫苗浪费率及其原因可以支持改善疫苗库存管理并降低采购成本。本研究调查了加纳(n = 48)、莫桑比克(n = 36)和巴基斯坦(n = 46)服务点四种疫苗的浪费情况。我们使用了每日和每月疫苗使用数据输入表中的前瞻性数据,以及横断面调查和深入访谈。分析发现,对于开封后可冷藏保存四周的单剂量瓶 (SDV) 或多剂量瓶 (MDV) 疫苗,估计每月开封后浪费率为 0.08% 至 3%。对于开封后六小时内丢弃剩余剂量的 MDV 疫苗,平均浪费率为 5% 至 33%,其中含麻疹疫苗的浪费率最高。尽管国家级指导方针要求即使只有一名儿童在场也要打开疫苗瓶,但开封后六小时内丢弃的 MDV 疫苗有时比剩余剂量可使用长达 4 周的 SDV 或 MDV 疫苗更少。这种做法可能导致错失接种机会。虽然服务交付点 (SDP) 的封闭瓶浪费情况相对罕见,但个别情况可能会造成巨大损失,这表明不应忽视对封闭瓶浪费的监测。卫生工作者报告称,他们对疫苗浪费跟踪和报告方法的了解不足。改进报告表格将有助于更准确地
五号是领队单飞,六号是第二名单飞。虽然“钻石”编队的飞行员展示了精确编队特技的优美和优雅,但单飞飞行员却在进行最高级别的表演,他们倒飞、最大偏转滚转或展示低速操纵特性,所有这些都以最小的地形间隙完成。在例行航展期间,单飞飞行员进行五次迎面相撞,程序化的接近率为 850 节,错失距离为 25 英尺。对于外行来说,这些和其他单飞动作似乎是令人毛骨悚然的“特技”,让人想起了过去的谷仓风暴时代。事实是,传统的军事训练和纪律概念是我们航展的基石。通过研究一些行动的“内部运作”,可以理解为什么会这样。训练钻石飞行员,包括长机、左翼、右翼和槽机,在随队为期两年的整个任期内都担任同一位置。但是,单飞飞行员第一年担任单独僚机,接下来一年担任单独领队。当他晋升为单飞领队时,五号飞行员将训练他的新任六号飞行员。这是一个理想的进展,因为作为六号飞行员的一年为单飞领导和执行一些更困难的机动提供了最好的准备。最初,新的单飞飞行员学习精确编队飞行。在最初几次训练飞行中,他很少单独飞行。这一点很重要,因为六号飞行员要在机翼上度过相当长的时间。例如,在卡利普索山口期间,他以正常的机翼位置跟随倒飞的长机飞行。此外,单飞飞行员在六机特技飞行中会飞外翼位置。如果你不能编队,六机滚转或翻滚的外侧就不太舒服。此外,正如我们的时隙飞行员杰克·迪基上尉在 5 月刊中指出的那样,我们认为编队训练
电力联营已成为西非加速发电能力扩张的一项区域战略,旨在利用丰富的国内能源资源并促进对区域电力基础设施的投资。作为气候行动承诺的一部分,大多数西非国家已承诺增加其发电结构中可变可再生能源 (VRE) 的份额,特别是太阳能光伏和风能。然而,公用事业规模的容量扩张规划方法似乎往往忽视了基于 VRE 的发电固有的时间间歇性和空间可变性。此外,尽管影响电网扩张和离网电气化的技术经济原理,以及高可再生能源供应地区和电网扩张之间的权衡,但需求的空间分布在规划方法中被忽视,导致公用事业规模 VRE 的贡献前景保守且疲软。这种与地区潜力和政策抱负的不一致凸显了西非在设计其电力池时至关重要的一点,即在容量扩展规划中充分考虑 VRE 供应的时空波动,同时利用 VRE 供应和国家电力需求概况之间的互补性。为了解决这个问题,本文将长期发电容量扩展模型 OptGen 软链接到最低成本运营模块 SDDP 工具,并使用开源空间电气化工具 (OnSSET) 进行地理空间电气化分析,应用于西非电力池四个成员国(布基纳法索、科特迪瓦、加纳和马里)的子集,时间范围为 2023 年至 2040 年。结果突出表明,当前的框架导致所有国家错失弥合供需缺口的机会,不仅在 VRE 发电能力方面,而且在跨境电力贸易方面。
高中生对人工智能聊天机器人在英语学习中使用的看法:好处、顾虑和道德考虑 Ji Eun Lee 和 Unkyoung Maeng Lee, JE, & Maeng, U. (2023)。高中生对人工智能聊天机器人在英语学习中使用的看法:好处、顾虑和道德考虑。泛太平洋应用语言学协会杂志,27 (2),53–72。本研究探讨了高中生对在英语学习中使用人工智能聊天机器人的看法。具体来说,它旨在衡量聊天机器人使用的广度,并辨别与其使用相关的潜在挑战的看法。来自一所高中的 30 名学生参加了调查。数据分析涉及频率、平均值和独立样本 t 检验。研究结果如下。首先,学生高度认可聊天机器人的重要性和价值,并对其可用性给予了积极评价。然而,他们之前使用聊天机器人的经验并没有影响这种看法。第二,学生认为在英语学习中使用聊天机器人非常有益。特别是,那些有聊天机器人使用经验的人比没有经验的人有更积极的看法。第三,学生相对意识到使用聊天机器人的潜在道德问题。无论他们是否有使用聊天机器人的经验,他们都特别担心抄袭和版权问题以及潜在的个人信息泄露。他们还意识到了潜在的教育问题,担心过度依赖聊天机器人可能会阻碍他们的探索性学习或导致直接抄袭作业,错失学习机会。然而,没有经验的人比有经验的人更持怀疑态度。本文还讨论了从这些发现中得出的含义和建议。关键词:人工智能聊天机器人、感知、教育用途、道德问题 1 引言 第四次工业革命开启了一个多种技术融合和快速发展的时代。值得注意的是,人工智能的引入不仅有望在制造业、经济和医疗保健等行业取得重大潜在进步,而且还在不断增加
移民一直是弗吉尼亚州结构中不可或缺的一部分,但这个群体对弗吉尼亚州未来成功的重要性现在比近代历史上任何时候都更大。在过去 30 年里,弗吉尼亚州的移民人口从 1990 年的 30 多万人(占总人口的 5%)增长到 2020 年的 100 多万人(占总人口的 12.6%)。2019 年,弗吉尼亚州的移民消费能力为 336 亿美元,缴纳了 134 亿美元的税款,其中包括 41 亿美元的州税和地方税。移民占弗吉尼亚州 STEM 劳动力的 22.8%、医生的 31%、护士的 14% 和健康助理的 18.7%。研究表明,2019 年弗吉尼亚州 19% 的企业由移民所有,这些企业占“主要街道”商业社区的 34%。这些贡献中的许多都得益于弗吉尼亚州优秀的教育体系、多元化和高学历的劳动力以及有利于商业的税收和法律环境。除了这些关键的贡献之外,当新移民在融入弗吉尼亚州社会时遇到可能可预防的障碍时,还存在一系列挑战和错失的机会。非公民移民拥有自己住房的比例不到入籍移民的一半,而且他们生活在贫困线以下的可能性是入籍移民的两倍多,缺乏医疗保险的可能性几乎是入籍移民的四倍。弗吉尼亚州社会服务部新美国人办公室委托弗吉尼亚联邦大学的一个研究小组进行需求评估,以确定弗吉尼亚州移民遇到的融入障碍,并提出政策解决方案来解决未满足的需求和融入障碍。研究小组采访了 46 名移民和 51 个移民服务组织以及其他社区利益相关者。该团队还使用地理信息系统 (GIS) 提供按人口普查区划分的弗吉尼亚州外国出生人口的地理空间数据,绘制移民服务提供者的位置,并确定需要更多面向移民的服务提供商的地理区域。研究发现,以下障碍是最常和/或最突出提到的障碍:
服务低收入和弱势群体 日期:2024 年 1 月 23 日 主题:信息请求 (RFI) 描述 通过此 RFI,美国能源部 (DOE) 太阳能技术办公室 (SETO) 希望通过其现有或扩展的工作,了解所需的资源和支持,以确保成功部署太阳能和储能系统以服务于低收入和弱势群体。《通胀削减法案》已投入历史性的资金,以促进全国范围内太阳能项目的发展,将利益导向低收入和弱势群体 (LIDAC)。SETO 劳动力和公平使用 (WEA) 团队寻求意见,了解需要哪些国家协调和支持的资源,以确保这项对分布式太阳能的历史性投资能够通过低收入住宅太阳能加储能、社区太阳能和其他位于或服务于低收入和弱势群体的分布式太阳能,公平、成功地带来利益。背景 尽管系统成本有所下降,但许多美国家庭仍然无法获得负担得起的太阳能电力——尤其是租房者、无法获得负担得起的融资的房主以及屋顶条件不合适或阳光照射不足的人。截至 2022 年,只有 12% 的住宅屋顶太阳能采用者的家庭收入低于联邦贫困线的 200%,这是确定低收入计划资格的常用门槛。此外,与各自州的所有家庭相比,太阳能采用者居住在贫困社区之外的可能性高出 14%,拥有独栋住宅的可能性高出 67%。这些不公平的采用率可能会对实现政府的清洁能源部署目标构成挑战,并错失为家庭能源成本大幅降低和为能源负担沉重的家庭提供其他有意义的福利的机会。 2021 年初,拜登总统发布了第 14008 号行政命令,除其他行动外,该命令还发起了一项全政府范围的“正义 40 倡议”,目标是将气候和清洁能源投资总体收益的 40% 提供给弱势群体。通过这项行政命令,联邦机构被指示将实现环境正义作为其使命的一部分,制定计划、政策和活动,以解决人类健康、环境、气候相关和其他方面不成比例的高昂和不利影响。