关键词： 教学走向   授人以鱼   授人以渔   人工智能   基础技术研究   推广模式   推理过程   方法论  

摘要： 2025年春节,中国杭州深度求索人工智能基础技术研究有限公司发布的DeepSeek-R1(以下简称“DS”)在全球范围内引发广泛关注。与教育相关的人们都在思考:DS将会给学习方式带来什么变化?与以往的生成式人工智能大模型相比,DS不仅具备“内容生成”“互动对话”等强大功能,还具备深度推理和透明互动等新特性,能将其内部的思考推理过程逐步呈现给用户。这高度契合“授人以鱼,不如授人以渔”的教学理念,支持师生从知识的教学走向思维、方法论的教学。DS的另一个显著特点是开源推广模式。

关键词： 人工智能   地理教学   CiteSpace软件   研究综述  

摘要： 近年来,人工智能领域的研究呈现出爆发式增长的态势。本文利用CiteSpace软件,通过年发文量变化趋势分析、高频关键词统计和突变性关键词分析,对人工智能在中学地理教学中的应用研究进行深入探究。研究结果表明,目前研究主要聚焦于人工智能在教学中应用的价值探析、教学设计与实践探索、伦理挑战。基于此,本文提出未来研究应聚焦于构建人工智能在教育中的应用理论基础,利用人工智能优化教学决策与资源配置,明确人工智能对学生学习行为和认知发展的影响,提升教学质量和效率的同时保障教育公平。

关键词： 人工智能   职业院校   思政教学   融合创新   物流管理  

摘要： 文章分析传统思政课在物流管理专业中存在的问题,提出了人工智能赋能下高职物流类专业思政教学改革的思路,探讨物流类专业思政与课程思政的融合路径及措施,提出了人工智能与高校思政课教学融合优化的对策建议。

关键词： 人工智能   全球治理   学术专家   峰会   非政府组织   东道国   欧洲  

摘要： 2月10日至11日,备受关注的人工智能行动峰会在法国巴黎举行,吸引了来自世界100多个国家的政府代表、科技企业领袖、学术专家以及非政府组织参加。峰会旨在探讨人工智能的应用和全球治理问题,加强国际社会的行动力。作为东道国,法国希望通过此次峰会推动本国及欧洲在人工智能领域占据主动。

关键词： 人工智能   信息技术教学   实施策略  

摘要： 人工智能(AI)技术的综合应用正在推动人工智能的快速发展,并在医疗、金融、教育、制造业等多个行业中应用,极大地改善了操作效率和决策质量。文章以人工智能在高中信息技术教学中的实施策略为主题展开研究,分析人工智能在高中信息技术教学中的应用价值,结合实践案例提出具体的方法与策略,旨在提出具体的教育方法和建议,帮助教育工作者更好地利用AI技术优化教学过程,以促进学生信息技术核心素养的全面发展。

关键词： Sora   思想政治教育   人工智能   风险  

摘要： 新一代人工智能技术Sora的问世将为高校思想政治教育带来新机遇和新挑战。文生视频模型Sora以其强大的信息整合和对物理世界的模拟,加速了思想政治教育各要素的动态联结,提升思想政治教育效能,满足思想政治教育对象智慧化的需求。然而,Sora也蕴含着巨大的“破坏性效应”,其技术缺陷会导致传播内容低质化、遮蔽人的主体性、消解主流意识形态等风险。为适应Sora对思想政治教育带来的变革,促进二者深度融合发展,需要规范生成内容,增强技术批判能力;矫正技术导向,规避技术越位风险;凝聚价值共识,增强情感价值认同。

关键词： 数字化转型   产业结构升级   高质量发展   两化融合   智能制造  

摘要： 在全球数字经济迅速发展的背景下,数字化转型已成为推动产业结构升级和实现高质量发展的重要途径。文章以海盐县制造业为研究对象,探讨其在数字化转型过程中推动产业结构升级的路径与策略。同时揭示海盐县制造业数字化转型中面临的挑战和问题,针对这些问题,提出数字化驱动产业结构升级的具体路径。研究表明,数字化转型对海盐县制造业的高质量发展具有重要意义,可为其他地区的产业结构升级提供借鉴。

关键词： 机器学习   贝叶斯优化   模型优化  

摘要： 本研究提出了一套基于贝叶斯优化算法的机器学习超LightGBM模型参数优化方案,以提升预测模型的准确性与可靠性,特别针对臭氧污染过程的预测准确率进行了优化。验证结果显示,优化后模型预测值与实测值相关系数R由0.444提高到0.633,线性关系由较弱变为适中;MAE从31.436降至28.545,模型的稳定性得到提高;MAPE从25.672%降至21.464%,RMSE从40.371降至36.588,预测过程的波动性减小,能更精确地捕捉到数据的变化特征。

关键词： 个性化医疗   机器学习   多组学大数据   电子健康记录  

摘要： 个性化医疗作为一种基于患者特定特征的医疗模式,正逐步改变传统的医疗实践。大数据技术的进步及机器学习的发展为个性化医疗提供了强大的数据分析和数据处理能力。通过检索PubMed及CNKI期刊全文数据库检索系统,对主流研究方向进行分析后,精选16篇英文、10篇中文文献纳入此次分析,基于大数据背景下机器学习在个性化医疗领域的应用进行概述,探讨机器学习在多组学大数据和电子健康记录(ElectronicHealthRecord,EHR)中的应用进展,旨在挖掘不断进步的机器学习在个性化医疗领域中的应用潜力,为更加精准、个性化的医疗新方式、机器学习应用新方法提供新思路。

关键词： 中药材   模式识别   自动   中药药材学   应用程序   人工智能   PyQt5   卷积神经网络  

摘要： 背景传统中药材检测手段依赖主观经验,难以满足中药材在准确分类与鉴别方面的需求。目的基于卷积神经网络(CNN)开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月,采集了两个中药材数据集进行深度学习模型的训练、验证和测试,共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征(ROC)曲线下面积(AUC)、F1分数等指标来衡量CNN模型的性能。在模型训练完成后,基于PyQt5技术开发了一款应用程序,供临床便携使用。结果本研究共纳入了276767张图像,开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet185种模型,通过性能比较,EfficientNet_B0模型在验证集上取得了最高的准确率(99.0%)和AUC(0.9942),被选为最佳模型。在测试集上,最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0,展现出良好的性能。结论基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材,借助其高灵敏度的识别能力,为医师对中药材的鉴别提供有力辅助。