关键词： 制度要素   ESG信息披露   机器学习   SHAP值  

摘要： 制度对企业ESG信息披露行为有重要的规范与激励作用.已有研究围绕制度要素对企业ESG信息披露质量的作用机制与路径展开探讨,但对于制度要素的认识仍是单一、线性的,缺乏对多元制度要素作用的综合考量,在要素重要性差异、可能存在的非线性影响等方面认识仍然有限.鉴于此,本研究基于制度理论,以2011-2021年中国A股上市公司为样本,融合CatBoost等多种机器学习算法与SHAP值方法,旨在揭示规制性、规范性等多元制度要素对企业ESG信息披露质量的复杂影响.研究结果表明,在制度要素中，文化-认知性要素对ESG信息披露质量最具影响力;往期披露质量是影响企业ESG信息披露质量的最重要特征;在各制度要素内部,地区治理、公共关注和行业水平分别在规制性、规范性和文化-认知性要素中最为重要;多数制度要素特征与ESG信息披露质量呈现出非线性关系.进一步分析表明,制度要素在不同地区、不同行业以及不同规模企业呈现异质性影响.本研究拓展了中国情境下企业ESG信息披露的研究,并为政府部门优化制度建设与企业提升ESG实践水平提供了重要的理论参考和实践启示.

关键词： 人工智能   创新创业教育   课程思政  

摘要： 素质化教育的进一步深化发展,使学生的品德和意识形态教育成了高校教育教学工作开展的重要内容。课程思政是在建成全员、全程、全学科育人的构架中提出来的,目标在于使每个人、每门课都能够纳入思想政治教学体系中,目的是做到同步发展,贯彻“立德树人”的教育方针。在人工智能时代,将创新创业教育与课程思政进行有机结合,既具备提高创新创业能力的现实要求,又能够助力学生实现道德方面素养的提升,符合素质教育对学生综合素养培养的要求。基于此,本文主要就人工智能背景下高校创新创业教育的课程思政路径进行研究,以期为高校课程思政的开展提供创新借鉴。

关键词： 土壤侵蚀   机器学习   Random forest   LightGBM   Catboost  

摘要： 土壤侵蚀预报对区域生态修复和水土保持具有重要作用。由于受地域特异性影响，土壤侵蚀经验模型在不同地区使用时需进行参数率定和校验，时间和人力成本高。本研究通过集成前人研究成果并结合研究区特点，确定土壤侵蚀特征因子（降雨量Pre、黏粒含量Clay、粉粒含量Silt、砂粒含量Sand、坡长SL、坡度Slope、归一化植被指数NDVI、土地利用类型Land use和剖面曲率PC），并以RUSLE模型计算的土壤侵蚀模数为基准值，采用Random forest、LightGBM和Catboost三种机器学习模型，对土壤侵蚀量进行建模计算；引入SHAP值以解析各土壤侵蚀特征因子对土壤侵蚀的作用机制。结果表明：（1）3种机器学习模型在训练集与测试集的性能表现均为“非常好”，表明机器学习模型可用于土壤侵蚀预报研究。（2）以云龙县为例，Catboost模型表现最好（NSE=0.984,RSR=0.125），其次分别为Random forest(NSE=0.966,RSR=0.183)和LightGBM(NSE=0.964,RSR=0.189)。（3）SHAP值分析表明，对云龙县土壤侵蚀影响最大的4个因子依次是NDVI、SL、Slope和Pre，其中NDVI与SHAP值呈极显著的负相关关系（r=-0.68,P<0.01），而SL、Slope和Pre与SHAP值呈极显著的正相关关系（r=0.54,P<0.01;r=0.57,P<0.01;r=0.69,P<0.01）。（4）基于Catboost模型，仅需3.07s便可完成土壤侵蚀空间分布制图（CPU i5-9300H），分类正确区域占总区域的86.62%，且误差未呈现明显的聚集现象。研究结果不仅能为快速、准确地进行土壤侵蚀空间分布分析提供新的途径，也可为土壤侵蚀预报模型研究提供科学依据。

关键词： 人工智能   高一年级物理教学   科学思维   实现路径  

摘要： 在数字化时代,人工智能技术的迅猛发展为教育领域带来了深刻变革。本文聚焦于人工智能在高一年级物理教学中的应用,深入探讨其对学生科学思维进阶的价值及实现路径。通过对人工智能在物理教学中的应用现状分析,阐述其在激发学生学习兴趣、提供个性化学习支持、优化教学资源等方面的重要作用。同时,结合教学实践,提出构建智能化教学环境、利用智能工具辅助教学、开展跨学科融合等具体实现路径,旨在为提升高一年级物理教学质量,促进学生科学思维发展提供有益参考。

关键词： 领域学习模型   人工智能   COST教学设计框架  

摘要： 人工智能技术的迅猛发展为教育领域注入了新的活力，但其融入教学仍面临技术适配性不强、理论框架缺失及学习者认知发展关注不足等问题。本文以基于“浙大先生”的某国家级教学名师的“计算机体系结构”课程为例，基于领域学习模型MDL（Model of Domain Learning）和COST（Content-Others-Self-Task）教学设计框架，系统探讨人工智能深度融入教学的理论与实践路径。通过整合多模态数字资源与知识图谱、数字教师与虚拟学伴等人工智能工具，课程设计旨在促进学习者系统化知识的构建、个人专业兴趣的形成以及深度学习策略的掌握。研究指出，未来研究应进一步探索情感支持机制与复杂工程场景模拟，以推动人工智能与教育的深度融合与创新发展。

关键词： 电化学传感器   植物活性小分子   离体检测   活体活体检测   人工智能   传感器  

摘要： [目的/意义]植物活性小分子在调节植物生长及抵御环境胁迫等方面起到关键作用,对其进行精准检测对于实现农业的精准管理、推动智慧农业发展具有重要意义。多种检测方法已被用于植物活性小分子检测。其中,电化学传感器以其灵敏、便携及低成本等特点而备受关注。[进展]通过检索相关文献,本文深入分析了电化学传感器在植物活性小分子检测领域的研究现状,详细分析了每种传感器的感知原理、信号放大策略及应用潜力等,探讨了传感器从离体检测到活体、原位检测的发展趋势,纳米材料在感知过程中的重要作用,与柔性电子、人工智能技术的结合情况等。[结论/展望]总结了目前电化学传感器在植物活性小分子检测领域所面临的技术挑战,并分析了下一步的发展方向,包括传感性能的提升、电解质材料的优化,以及传感器与微电子、人工智能技术的融合等。本研究为植物小分子电化学传感器的技术研发和应用提供参考。

关键词： 轮轨交通   人工智能   列车操纵   智能监测   故障诊断   车辆设计  

摘要： 轮轨交通在轨道交通中处于主导地位,将人工智能技术运用到轮轨交通中将使其发挥出更重要的作用。为全面分析人工智能在轮轨交通中的应用现状,从列车操纵、智能监测、故障诊断以及车辆设计等方面进行介绍,并展望未来人工智能在轮轨交通中的发展方向。研究结果表明:列车自动驾驶系统融合神经网络与模型预测可提升轨迹跟踪精度,进一步结合深度学习优化能耗可实现自适应节能;人工智能技术已广泛应用在车辆的部件状态及铁路沿线自然灾害的监测中,同时,在车辆走行部和牵引供电系统的故障诊断中也发挥重要作用;人工智能技术还对车辆的参数优化、性能预测和结构改进等进行了探索和应用,用大量实践验证人工智能技术应用在车辆设计方面的可靠和有效。

关键词： 人工智能   能源消费结构   低碳转型   市场波动   劳动技能结构  

摘要： 随着新一轮科技革命和产业变革的深入推进，人工智能已成为驱动能源消费结构“高碳解锁”的重要引擎。文章基于2009—2021年中国268个城市的面板数据，采用双重固定效应模型，系统考察了人工智能对能源消费结构低碳转型的非线性特征及影响机制。研究发现：人工智能对能源结构转型呈现出显著的“先抑后促”的U型关系，拐点值为4.76，其作用随着技术水平的提升由“能源反弹”转向“创新替代”。进一步研究发现，市场不确定性与技能–资本错配是形成此非线性效应的关键机制，且这一效应的强度在不同人工智能类型、资源禀赋和环境规制强度下存在显著差异。文章提出实施区域差异化赋能、健全职业技能培训体系和完善资本支持机制等政策建议，以充分释放人工智能在能源低碳转型中的潜力。

关键词： 智能制造   能源回弹效应   替代效应   产出效应  

摘要： 智能制造能有效优化资源配置、提高生产效率和能源效率,节约能源的同时却可能因改变企业行为和扩大规模增加能源需求,诱发能源回弹效应.本文基于2010-2021年制造业A股上市公司数据,在能源回弹效应评估模型基础之上,将智能制造试点示范项目的批复视为准自然实验,利用三重差分方法研究智能制造是否诱发能源回弹效应.研究结果表明:第一,智能制造诱发试点企业的能源回弹效应,致使其能源回弹效应增加约13.5%.第二,智能制造通过电力对其他要素的替代效应与规模扩张的产出效应增加电力需求,进而增加试点企业的能源回弹效应.第三,智能制造更为明显地增加了高能效企业、低耗能企业、高数字化程度企业、国有企业、《中国制造2025》十大重点行业企业以及非高耗能行业企业的能源回弹效应.本文拓展了能源回弹效应诱发机理与路径,丰富了能源回弹效应评估及智能制造赋能节能降碳的研究,所得结论为推动制造业数字化绿色化协同发展提供了理论依据和决策参考.

关键词： 地球化学勘查   异常识别   机器学习   金矿   熊耳山  

摘要： 熊耳山矿集区是我国重要的金成矿带，但成矿地质条件复杂，传统地球化学异常提取方法难以有效捕捉潜在的复杂地质信息，且缺乏对数据全局特征的充分利用。本文引入具有多头注意力机制的Transformer 模型，以捕捉地球化学数据中的长程关联，提升异常提取的精度和稳定性。基于1:50000水系沉积物地球化学数据，利用Transformer模型重构地球化学背景，并通过计算原始与重构元素浓度的欧氏距离实现金矿相关的异常信息提取。模型评价结果AUC值达0.876，提取的异常与已知金矿点分布、控矿构造展布一致，表明识别的异常可靠性高。基于识别的化探异常，本文圈定了熊耳山地区金成矿潜力区6处，可供后续金矿勘查部署参考。