关键词： 中职英语   词汇教学   人工智能  

摘要： 文章聚焦中职英语词汇教学,剖析当前学生基础薄弱、教师教学方法单调等现状。阐述人工智能在激发学习兴趣、实现个性化学习、增强教学互动性方面的优势,提出智能词汇学习软件助力自主学习、虚拟现实技术打造沉浸式体验等应用策略。以上海现代化工职业学院 231 物流 02 班为例,展示人工智能辅助教学后成绩提升等成效,同时分析面临的技术成本、教师能力、数据安全等挑战,并从学校、教师、技术方等角度给出解决措施,为中职英语词汇教学引入人工智能技术提供参考。

关键词： 步态识别   机器学习   非接触式摩擦纳米发电机(NC-TENG)   特征提取   双向长短期  

摘要： 设计了一种基于非接触式摩擦纳米发电机(NC-TENG)的步态识别系统,旨在通过捕捉人体运动中的机械能实现精准的步态分析与分类。实验表明,该传感器的感应电压与运动速度、加速度以及角度均呈现良好的线性关系。当运动角度设定为200°时,输出电压达到峰值为0.75 V;在运动速度从90°/s提升至180°/s时,峰值电压从0.475 V显著提升至1.49 V,验证了NC-TENG用于步态信息采集的可行性。基于该系统对人体大腿的5种步态数据进行采集,并设计了一种结合了定义层和注意力机制的双向长短期记忆网络(BiLSTM)分类算法,实现了对序列数据的有效分类。实验结果显示,该系统输出的电压信号能够清晰表征每种步态的特征波形,实现了这5种步态动作的有效识别,其中蹲起、下楼梯的动作识别率分别高达90.0%和97.5%,展现了该步态识别系统在健康监测和运动科学领域的应用潜力。

关键词： 粮食安全   粮食霉变   高光谱成像   太赫兹光谱   机器学习   识别与检测  

摘要： 粮食霉变引发的真菌毒素生物污染是威胁粮食供应链安全的重大风险源，建立早期霉变预警机制对保障粮食品质具有关键防控价值。伴随着光学技术和检测技术的进一步发展，无损的光谱成像技术成为粮食霉变检测的热点。传统光谱成像技术存在图像采集速度慢、时间成本高的问题，相比之下，机器学习辅助光谱成像展现出了更快的检测速度和更高的检测准确率，因而受到广泛关注。而不同的机器学习算法与不同的光谱成像技术有着差异化的契合度。本文聚焦机器学习辅助光谱成像的粮食霉变检测，系统综述了该交叉领域的技术突破与理论进展，探究了高光谱成像、太赫兹时域光谱等多类型光谱技术的原理与特性，分析了多种机器学习算法在光谱成像中的关键作用，包括研究多种光谱预处理方法（如一阶导数、基线校正、SG平滑）对数据信噪比的提升作用，同时也比较了机器学习中监督和无监督机器学习算法对不同的高光谱数据产生的影响，对机器学习算法的优化和光谱技术在粮食霉变无损检测体系的构建提出了建议。本综述为光谱成像技术的创新应用提供了理论支撑，并为粮食霉变检测领域的发展前景作出了展望，为未来粮食霉变检测指明方向。

关键词： 心肺运动试验   机器学习   电视辅助胸腔镜手术   术后肺部并发症  

摘要： 目的 基于心肺运动试验（cardiopulmonary exercise testing,CPET）与机器学习技术构建胸腔镜肺癌切除术后肺部并发症（postoperative pulmonary complications,PPC）的预测模型。方法 回顾性分析2021年10月—2023年7月于广东省人民医院进行CPET且接受胸腔镜肺癌切除术早期非小细胞肺癌患者的临床资料，将患者分为PPC组与非PPC组。采用最小绝对值收敛和选择算子（least absolute shrinkage and selection operator,LASSO）回归筛选与PPC相关的关键特征，使用6种机器学习算法构建预测模型，包括logistic回归、支持向量机、K最近邻、随机森林、梯度提升机和极限梯度提升，并采用沙普利加和解释法（SHapley Additive exPlanations,SHAP）对最优预测模型进行解释。结果 共纳入325例患者，平均年龄为60.36岁，55.1%为男性。两组患者年龄、糖尿病、冠心病、手术方式、第一秒用力呼气容积（FEV1）、用力肺活量（FVC）、FVC占预计值百分比、峰值摄氧量（peak VO2）、无氧阈值（AT）、CO2通气当量斜率（VE/VCO2slope）差异均具有统计学意义（P均<0.05）。采用LASSO回归筛选出7个关键特征构建的预测模型中，随机森林模型在各项指标综合表现最佳，在训练集中的AUC为0.930,F1值为0.836,Brier分数为0.133，并在测试集也展现出良好的预测能力和校准度。SHAP分析显示，7个特征重要性排序分别为peak VO2、VE/VCO2slope、年龄、FEV1、吸烟、糖尿病和手术方式。结论 基于CPET指标与机器学习技术构建的随机森林模型能够有效识别PPC高危患者，具有一定的临床应用价值。

关键词： 小学美术   大单元教学   人工智能   策略研究  

摘要： 在人工智能飞速发展、核心素养教育理念深入推进的时代背景下,小学美术教学面临着新的机遇与挑战。传统教学局限于课本知识传授的模式已难以满足学生全面发展的需求,需注重知识技能传授与问题解决能力培养的结合,以提升学生综合素养。开展小学美术大单元教学成为必要举措。本研究聚焦人工智能背景下小学美术大单元教学策略展开深入探究,通过依据四大领域、美术门类梳理大单元教学,以及紧密联系社会实事与人工智能元素创设大单元情境等方式,为一线教师提供切实可行的教学参考,助力学生美术核心素养的提升。

关键词： 人工智能   全要素生产率   要素优化   创新增值   知识赋能  

摘要： 在数字经济时代背景下,人工智能技术的迭代更新与持续拓宽为企业注入新质生产力提供重要引擎。本研究基于2010—2023年A股上市公司样本,采用机器学习的文本分析与词频统计方法,定量测度了企业人工智能技术应用指数,从全要素生产率视角研究该技术应用对企业高质量发展的作用机制与影响效应。研究发现,人工智能技术应用显著提升了企业全要素生产率,这一结论在经过系列稳健性检验后依然成立;作用机制分析表明,“数据要素重构-智能创新迭代-知识生态演进”的三维协同驱动是AI技术赋能企业效率提升的核心路径;异质性分析显示,自然语言处理和机器学习技术的促进作用更为突出,且对技术密集型企业、非国有企业以及高竞争环境企业的影响效应更为显著。本研究为人工智能助力企业高质量发展提供了微观证据,有助于今后产业政策与企业决策的制定调整与效应评估。

关键词： 人工智能   高职数学教师   角色转变   能力提升   提升路径  

摘要： 在人工智能浪潮席卷下,高职数学教育面临着全新的格局.传统教学模式中高职数学教师的知识权威地位因智能工具提供便捷的即时知识解答而受到冲击,同时知识更新速度的加快使教师若局限于旧有知识体系则难以满足学生对前沿知识的需求.智能教学系统的兴起引导学生学习过程,加之学生自主学习意识觉醒,教师教学主导地位逐渐弱化.这些变化促使高职数学教师必须积极进行角色转变与能力提升,以契合时代发展脉搏,为社会培育适应人工智能时代需求的高素质技术技能人才.进而推动高职数学教育迈向新的发展阶段,实现教育教学质量的全面提升.

关键词： 人工智能   职业院校   信息化体系   技术-教育-生态协同  

摘要： 随着人工智能技术的快速发展,职业教育信息化建设面临新的机遇与挑战.以“技术-教育-生态”三元协同为核心理念,构建职业教育信息化体系框架.在技术层面,通过多模态感知设备实现教学环境全要素数字化,结合知识图谱与认知推理引擎构建智能决策系统,并运用在线学习算法确保系统的持续优化能力.在教育维度,重点解决标准化培养与个性发展、理论传授与实践训练、学校教育与终身学习之间的矛盾,将职业素养培育转化为可量化指标体系.在生态层面,设计“双循环”机制,内循环实现院校内部教学管理服务的智能化协同,外循环建立产教融合的数字孪生体.该框架能有效提升教学精准性、资源利用率和人才培养的产业适配度.

关键词： 肺结节   人工智能   量化参数   病理亚型   预测模型  

摘要： 目的 评估人工智能（artificial intelligence,AI）辅助诊断系统中影像量化参数在≤2 cm肺结节临床诊疗决策中的价值以及AI的诊断效能。方法 纳入2020—2023年大连大学附属中山医院收治的肺结节患者，利用AI辅助诊断系统提取肺结节影像参数，多因素分析筛选出鉴别良恶性、浸润性腺癌复发高风险的预测因子，建立诊断模型并评估其性能。根据病理结果，判断AI系统的诊断效能。结果 共纳入594例肺结节患者，其中男202例、女392例，平均年龄24～82（58.75±11.55）岁。非实性结节的体积、平均CT值、3D最大径是恶性结节的独立预测因子，阈值分别为287.4 mm3、-491 HU、12.0 mm。诊断效能的曲线下面积（area under the curve,AUC）由高到低分别为联合模型（0.802）、体积（0.783）、平均CT值（0.749）、3D最大径（0.714）；实性结节的平均CT值和3D长径是恶性结节的独立预测因子，阈值分别为-81 HU和17.5 mm,AUC分别为0.874和0.686，联合预测的AUC为0.957；囊腔样结节的质量是恶性结节的独立预测因子，当质量>180.7 mg时，结节更倾向恶性。非实性结节浸润性腺癌高复发风险的独立预测因子为肿瘤实性成分占比（consolidation-tumor ratio,CTR）、平均CT值、3D长径、体积，阈值分别为0.14、-386 HU、15.6 mm、1 018.9 mm3，诊断效能由高到低分别为联合模型（0.788）、3D长径（0.735）、体积（0.725）、平均CT值（0.720）、CTR（0.697）。AI预测靶结节良恶性准确率为87.4%、阳性预测值96.6%、阴性预测值58.9%。结论 在≤2 cm肺结节的临床诊疗决策中，AI辅助诊断系统具有较高的应用价值。

关键词： 川中地区   雷三   亚段   泥质灰岩储层   机器学习   预测模型  

摘要： 四川盆地中部CT1井雷口坡组三段二亚段（简称雷三2亚段）泥质灰岩储层在近期取得工业性气流，显示出良好的勘探前景。目前对泥质灰岩储层的测井响应机制与预测模型的研究较为薄弱。本文通过川中地区雷三2亚段的岩心描述、薄片观察与测井响应特征总结，建立了基于测井数据的长短期记忆网络（LSTM）的机器学习模型；对泥质灰岩进行岩性识别，结合单因素矿物含量分析及沉积相特征，实现泥质灰岩储层“点-线-面”多元综合预测。研究结果表明，雷三2亚段以灰岩、泥质灰岩、白云岩及膏盐岩为主，泥质灰岩储层储集空间以纳米-微米级的孔隙和微裂缝为主，为典型的低孔低渗型储层，储层厚度40～130 m。对比CIFLog软件计算结果和镜下薄片鉴定结果，LSTM模型预测结果的精确度达到87.3%±0.5%。预测结果显示，泥质灰岩储层主要分布在西充、南充及仪陇地区，厚80～120 m，呈“中厚边薄”的特征，为优势勘探区；中江、资阳、安岳及合川地区储层厚度60～80 m，为潜在勘探区。本次研究为川中地区雷三2亚段泥质灰岩储层的油气勘探提供参考。