关键词： 地平线报告   人工智能   高等教育   教育主权   教育价值   教学模式   教育公平  

摘要： 围绕人工智能给高等教育带来的机遇与挑战,本文以文献研究与比较分析为方法,对美国高等教育信息化协会发布的《2024年EDUCAUSE地平线报告(教与学版)》进行深度解读。报告在梳理社会、技术、经济、环境、政治等几大趋势的基础上,遴选若干项关键技术与实践,并预测未来十年高等教育可能面临的“增长、崩溃、约束、转型”四种情景。鉴于此,本文立足我国高等教育实际以及人工智能迅速普及的背景,从维护教育主权、重构教育价值、革新教学模式、保障教育公平四个维度提出启示。

关键词： 人工智能   思想政治教育   创新   伦理困境   人机协作  

摘要： 人工智能时代的到来为思想政治教育领域带来了前所未有的机遇与挑战。智能化赋能下,思想政治教育呈现出教育主体多元化、教育过程信息化、教育资源共享化、教育评估科学化等全新特征,形成了更为广阔的发展前景。与此同时,人工智能的介入也使思想政治教育面临一定的异化风险、角色重叠和伦理困境。在新时代新征程上,必须把握发展之“度”、赋予融入之“力”、应用延展之“能”,实现人工智能时代下的思想政治教育创新,开创思想政治教育高质量发展的新局面。

关键词： 信息科技   人工智能   跨学科融合  

摘要： 本文以小学信息科技教学为例,立足于人工智能+跨学科融合的视角,探索了信息科技课程教学的优化方法:更新教育理念,开发跨学科教学项目;设计教学目标,明确人工智能教学方向;优化教学流程,落实信息科技教学方式;在反思迁移中,重构学科融合知识体系;建构评价模型,完善信息科技评价体系。将跨学科融合的教学思想融入信息科技人工智能教学过程,引导学生形成跨学科融合的思想,可以促使学生在人工智能的相关知识与技能学习中,运用已有的多学科知识经验理解人工智能的原理,优化了学生的信息科技课程学习方式,对于学生的信息科技素养以及多方面能力的发展有着重要的推动作用。

关键词： 人工智能   护理教育   范围综述  

摘要： 目的:对人工智能在护理教育领域的应用进行范围综述,为未来开展相关实践研究提供参考。方法:按范围综述的框架,系统检索中英文数据库相关研究,检索时间为建库至2025年2月28日,对纳入文献进行汇总分析。结果:共纳入21篇文献。人工智能在护理教育中的应用形式包括机器学习、自然语言处理、计算机视觉、机器人技术;主要应用场景涵盖智能教育环境、智能学习过程支持、智能教育评价和智能教师助理;评价指标包括有效性和可行性2个方面。结论:人工智能技术已应用于护理教育多个场景,展现出积极的教育赋能效应。未来需要进一步优化教学内容,完善评价指标体系,并开展高质量的长期效果追踪研究,以推动智能教育纵深发展,提升护理人才核心胜任力。

关键词： 人工智能   记者   职业能力  

摘要： 随着人工智能技术广泛应用于传媒行业,新闻采编与传播模式发生了深刻变革。记者应以开放的心态拥抱技术变革,主动提升专业能力,将先进技术转化为提高生产效率的有力工具。本文分析了记者职业能力面临的挑战,探讨了记者职业能力的重构方向和进化路径。

关键词： 人工智能   编辑学术   伦理  

摘要： 在编辑工作中,人工智能的应用日益广泛,涵盖了智能化编校与协同编辑、数智化选题策划、内容审核与个性化推荐、自动化图像绘制与识别等诸多方面。然而,随之而来的各种问题也引发了人们的深入反思。面对这一现状,编辑应当主动思考,积极应对,充分挖掘并利用人工智能的优势,以推动编辑工作的持续发展。

关键词： 人工智能   大学生   思想政治教育  

摘要： 在人工智能全面融入教育生态的当下,强化大学生思想政治教育,既是推动人工智能和教育深度融合的创新实践,又是落实思政课立德树人根本任务的重要举措。人工智能背景下加强大学生思想政治教育,有助于高校落实立德树人的根本任务,创新思政课教学模式,筑牢意识形态阵地。当前,大学生思想政治教育仍存在现实梗阻,思想政治教育方式与大学生的接受习惯错位,难以精准回应诉求;思想政治教育资源与大学生的实际需求脱节,优质内容供给不足;思想政治教育媒介与大学生的使用习惯不符,传播效能受限等问题。人工智能背景下加强大学生思想政治教育要以科技赋能,创新思想政治教育方式;凝聚合力,挖掘思想政治教育资源;智媒融合,拓展思想政治教育媒介,从而夯实立德树人的根基,培养堪当时代重任的青春力量。

关键词： 青少年编程   人工智能   教学改革  

摘要： 青少年时期是培养编程思维和能力的关键阶段。随着人工智能技术的快速发展,其在教育领域的应用逐渐成为推动教学改革的重要力量。本文探讨了人工智能技术在青少年编程教学中的辅助应用场景和策略,重点介绍了如何借助AI技术提升教师个人素质,帮助教师优化程序教学过程和教学资源,为学生提供更加个性化和智能化的学习体验。

关键词： 多发性骨髓瘤   骨折风险   机器学习   沙普利可加性特征解释  

摘要： 目的 基于沙普利可加性特征解释(Shapley additive explanations,SHAP)法构建并评估机器学习模型预测多发性骨髓瘤(multiple myeloma,MM)患者骨折风险的价值。方法 回顾性分析2021年6月至2024年6月浙江大学医学院附属第一医院收治的181例MM患者,收集患者的一般资料、实验室检查、既往史和疾病分期等潜在预测变量,经单因素分析和递归特征消除(recursive feature elimination,RFE)筛选变量,基于筛选后的变量以极限梯度提升(extreme gradient boosting,XGBoost)、随机森林(random forest,RF)、轻量级梯度提升机(light gradient boosting machine,LightGBM)和逻辑回归(Logistic regression,LR)分别构建模型,采用5折交叉验证评估模型的诊断效能,利用SHAP值分析最佳模型变量贡献。结果 共纳入181例MM患者,骨折组50例,未骨折组131例。经RFE筛选出铁蛋白、B型钠尿肽等5个关键变量。XGBoost、RF、LightGBM和LR模型的受试者操作特征曲线下面积分别为0.861、0.846、0.755和0.780,其中XGBoost模型诊断效能最佳。SHAP值分析显示XGBoost模型中B型钠尿肽变量贡献最大。结论 基于关键变量构建的XGBoost模型可有效预测MM患者的骨折风险,SHAP值提升模型可解释性。

关键词： 人工智能   深度学习   网络安全   态势感知技术   技术研究  

摘要： 本文提出了一种基于人工智能的态势感知解决方案,该方案融合多源异构数据,利用人工智能技术对海量网络流数据进行深度学习和推理,从而实现更准确和鲁棒性的网络安全攻击检测。