关键词： 现代化改革   教育变革   高校教育   大学美育   人工智能  

摘要： 在数字技术深刻重塑人类文明形态的今天,人工智能与教育的融合已成为全球教育变革的核心议题。随着科技的迅猛发展,教育领域也面临着前所未有的机遇与挑战。传统的教育模式在满足学生日益多样化的学习需求和适应快速变化的社会环境方面,逐渐显露出一定的局限性。而人工智能的出现,为高校教育的现代化改革提供了强大的动力和创新的思路。

关键词： 口腔癌   失志综合征   机器学习   预测模型  

摘要： 目的构建口腔癌患者发生失志综合征的风险预测模型,为帮助口腔癌患者更好地应对失志综合征,并为其制定更加个性化的支持方案提供参考依据。方法选取2024年3月—7月在四川大学华西口腔医院及中山大学孙逸仙纪念医院共486例口腔癌住院患者作为研究对象。综合分析临床资料和既往研究证据,以确定影响口腔癌患者失志综合征的关键变量。将486例患者按照8∶2的比例分为训练集和验证集,将365例患者的个体数据纳入训练集,基于最小绝对收缩和选择算子(LASSO)回归构建口腔癌失志综合征中重度风险预测模型并构建列线图。采用Bootstrap重采样进行内部验证,通过121例验证组患者的独立数据进行外部验证。结果口腔癌患者失志综合征总发生率为83.3%(405例)。其中,轻度失志患者占比48.9%(198例),中度失志患者占比43.4%(176例),重度失志患者占比7.7%(31例)。核心模型包括患者文化水平、疾病了解程度和MDASI-HN评分。模型内部验证结果显示C统计量为0.7836(95%CI为0.78~0.87),校准斜率为0.8434,截距为−0.0406。外部验证集的C统计量为0.80(95%CI为0.71~0.87),校准斜率为0.80,截距为−0.08。结论口腔癌患者失志综合征风险预测模型在不同护理环境的验证队列中表现稳健,模型校正良好,具有良好的区分度,可作为入院评估预测项目的参考。

关键词： 人工智能   阅卷系统   技术开发   LLM  

摘要： 随着教育规模扩大与个性化需求增长,传统人工阅卷模式因效率低、主观性强及反馈滞后等问题面临严峻挑战。本研究针对这一痛点,提出一种基于大语言模型(LLM)的智能阅卷系统,旨在通过技术创新提升评卷效率、公平性与可解释性。系统以Transformer架构为核心,采用“指令微调 + 规则约束强化学习”的混合评分算法,结合历史试卷数据与专家评分规则对LLM进行领域适配优化,有效解决主观题评分一致性难题;通过模块化设计实现数据预处理、多阶段评分、错因溯源与个性化反馈生成的全流程自动化。创新性体现于三方面:其一,融合LLM语义理解与规则引擎硬性约束,平衡算法灵活性与评估严谨性;其二,设计注意力权重可视化与评分依据高亮机制,破解教育场景下的“黑箱”信任壁垒;其三,构建轻量化微调(LoRA)与向量数据库协同架构,保障高并发场景的工程可行性。该系统为大规模考试、个性化教学提供技术支撑,推动教育评估从“经验驱动”向“数据智能”转型。未来研究将扩展至多模态答案解析与动态学情追踪,深化AI与教育融合的实践价值。As the scale of education expands and personalized needs grow, the traditional manual grading model faces significant challenges due to its low efficiency, strong subjectivity, and delayed feedback. This study addresses these issues by proposing an intelligent grading system based on large language models (LLMs). The system aims to enhance grading efficiency, fairness, and explainability through technological innovation. At its core is a Transformer architecture, which employs a hybrid scoring algorithm combining “instruction fine-tuning + rule constraint reinforcement learning”. By integrating historical test data and expert scoring rules, the system optimizes the LLM for domain-specific tasks, effectively addressing the challenge of consistent scoring for subjective questions. Through modular design, the system automates the entire process, from data preprocessing to multi-stage scoring, error tracing, and personalized feedback generation. The innovations are reflected in three key areas: first, by integrating LLM semantic understanding with the rigid constraints of rule engines, it balances algorithmic flexibility with assessment rigor;second, by implementing a mechanism for visualizing attention weights and highlighting scoring criteria, it breaks down the “black box” trust barriers in educational settings;third, by constructing a lightweight fine-tuning and vector database collaborative architecture, it ensures the system’s engineering feasibility in high-concurrency scenarios. This system provides technical support for l

关键词： 不平衡数据   轨道角动量   机器学习   粒子群优化算法   极限学习机  

摘要： 针对标签分布不平衡的轨道角动量(OAM)识别问题,提出了基于粒子群优化(PSO)算法的加权极限学习机(WELM)识别模型。该模型利用PSO算法对WELM的输入权重和偏置进行联合优化,提高了WELM的稳定性和鲁棒性。对比分析了PSO-WELM模型与支持向量机(SVM)、深度学习(DL)、反向传播人工神经网络(BP-ANN)模型的性能。实验结果表明:PSO-WELM模型在较弱湍流强度下能够完全正确识别少数类、多数类OAM光束;在中等湍流强度下,PSO-WELM模型的各项评价指标值均优于对比方法,证明了该模型在识别不平衡状态OAM光束方面具有可行性和有效性。

关键词： 人工智能   应用型本科   智慧课程   课程设计   AI技术  

摘要： 随着人工智能技术的迅猛发展,教育领域正在经历一场深刻的变革,特别是在应用型本科教育的智慧课程建设中,AI技术的赋能有助于提升教学质量、优化学习体验,并推动教育模式的创新。文章通过对AI技术、智慧课程、应用型本科教育的基本概念进行阐述,提出了应用型本科智慧课程建设的设计框架、核心要素与关键环节,并分析了智慧课程实施中面临的挑战、课程效果评估方法以及反馈与迭代机制,强调AI赋能的智慧课程应紧密结合应用型本科教育的培养目标,推动本科教育实现更高效的教学模式。

关键词： AI   画画   羽毛   写故事   人工智能  

摘要： AI就是人工智能,它很厉害,能帮我们做很多事情,比如画画、写故事。这次我们试着输入“羽毛”,请AI创作了一个有趣的故事。一起来看看吧。

关键词： 人工智能   出版编辑   融合发展   能力提升  

摘要： 文章深入探讨了人工智能,尤其是生成式人工智能(AIGC)对期刊编辑工作的影响,以及在数字化转型中编辑所须具备的新素养。传统期刊编辑在确保学术信息权威性、维护政治红线、坚守学术底线、注重人才培养、专注选题策划和做好稿件筛选等方面的价值。人工智能对期刊行业的影响,以及人工智能在优化互动、选题策划、审稿、编校和排版等方面的应用。这些技术的引入不仅改变了出版业的运作模式,提高了工作效率,还为学术交流提供了新的可能性。然而,随着人工智能技术的发展,编辑工作的内容和要求也在发生变化。期刊编辑在AI时代应具备的新素养,包括对新技术的探索应对、法律意识的提升、创新能力的增强,以及出版部门应提供的便利条件。编辑需要适应新技术,利用人工智能工具进行科学且循证的知识生产,同时维护学术研究的真实性和可信度。在数字化转型中,期刊编辑需要具备数字素养以应对挑战并适应新的发展趋势,同时维护学术研究的真实性和可信度。编辑应当积极拥抱新技术,探索AIGC在期刊内容生产中的更多可能性,推动期刊的数字化转型和高质量发展。

关键词： 急性缺血性脑卒中   CT灌注成像   机械取栓   机器学习模型   预后  

摘要： 目的开发一种基于CT灌注成像(CTP)技术的机器学习模型来预测急性缺血性卒中机械取栓治疗不良预后的风险。方法回顾性收集2020年1月至2024年6月于郑州市中心医院接受机械取栓术的462例急性缺血性脑卒中患者的相关影像学及临床资料。所有患者均随访90 d,采用m RS评分评估预后,其中175例患者预后不良(>2分),287例预后良好(0~2分)。将数据集按8∶2的比例划分为训练集(n=370)和验证集(n=92)。采用基于梯度提升的XGBoost算法作为变量筛选工具,对基线数据、实验室检查数据及影像学特征进行特征选择。分别以极限梯度提升(XGBoost)、逻辑回归(LR)、高斯朴素贝叶斯(GNB)、支持向量机(SVM)及轻量梯度提升机(LightGBM)五种机器学习算法构建急性缺血性卒中机械取栓治疗不良预后的预测模型。采用准确性、灵敏度、特异性、曲线下面积(AUC)、查准查全曲线(PR)、校准曲线和决策(DCA)曲线评价模型的有效性。结果与预后良好组相比,预后不良组患者男性占比、高血压、糖尿病、房颤病史比例、吸烟饮酒史及术后脑出血发生率、梗死核心体积及胆固醇、甘油三酯、NIHSS评分、同型半胱氨酸、肌酐、NT-proBNP、D2聚体、纤维蛋白原水平-α角、预测纤溶指数增高,而缺血半暗带体积、侧支循环良好占比、血块强度-最大振幅及血凝块力学强度-G值则低于预后良好组,差异均具有统计学意义(P<0.05)。XGboost机器学习筛选结果显示,NIHSS评分、总胆固醇、梗死核心体积、半暗带体积是急性缺血性卒中机械取栓患者不良预后的贡献度最高变量。在多种机器学习模型比较中,XGBoost模型对不良预后的预测能力最好,XGBoost模型在训练集的AUC为0.941(95%CI:0.920~0.962),验证集的AUC为0.875(95%CI:0.770~0.979),PR曲线也显示XGBoost模型的优异性能,在训练集的PR曲线下面积为0.961(95%CI:0.954~0.968),验证集的PR曲线下面积为0.910(95%CI:0.887~0.934)。结论构建了一种基于XGboost算法的预测急性缺血性卒中机械取栓治疗后不良预后的机器学习模型,该模型可有效帮助临床医生做出临床决策和实施个性化的治疗措施。

关键词： 数智时代   人工智能   新质生产力   数字劳动   劳动解放  

摘要： 人工智能作为新一轮科技革命和产业变革的重要驱动力量,正在加速解构并重塑人类的生产方式、生活方式和思维方式,推动人类劳动形态深刻变革与数字劳动全面兴起,人类社会已然进入以数字化、网络化、智能化为特征的数智时代。数智时代的核心机制是人工智能对人类智能的模拟、延伸、超越,其“类人智能”和自主性能力在机器学习、进化计算、专家系统、人机协同等智能技术驱动下,实现对人类劳动强势赋能,推动生产技术革命性突破、生产要素创新性配置、产业深度转型升级,驱动社会生产力水平整体跃升。立足于数智时代的劳动解放,人工智能推动了人类劳动方式从机器延伸到智能替代革新、劳动时间从固定工时到弹性时间变革、劳动关系从雇佣劳动到价值共创重构,要通过加速生产技术的数字化智能化革命、保持人在技术发展中的主体性地位、塑造科技向善的文化理念和保障机制等,以构建和谐、平等、可持续的劳动关系,实现数字劳动解放和人的自由全面发展。

关键词： 铁路基础设施   低空无人机技术   智能巡检   大数据   人工智能  

摘要： 随着铁路运输的快速发展,铁路基础设施的安全性和可靠性成为关注焦点。传统的铁路巡检方法效率低下且成本高昂,急需技术创新以提升检测能力,降低维护成本。作为一种新兴检测手段,低空无人机技术为各行业提供了全新解决方案。基于铁路基础设施低空无人机巡检的现状,从无人机分类、关键技术、搭载设备、巡检流程和智能分析方法等多个维度,阐述低空无人机巡检技术方案,梳理当前铁路沿线无人机巡检的技术瓶颈,提出铁路无人机的应用策略。研究建议应进一步深化技术融合与创新,拓展应用范围,提供政策法规保障,以及完善行业合作与标准体系建设,为铁路维护的精准决策和运行安全保障提供有效参考。