关键词： 智慧养老   文化认同感   文化记忆   娱乐产品   非物质文化遗产   人工智能   产品数字化   数字化设计  

摘要： 随着我国人口老龄化的加剧,智慧养老成为社会关注的热点。智慧养老是指通过物联网、大数据和人工智能等现代信息技术手段,为老年人提供便捷、高效的养老服务。非物质文化遗产(以下简称“非遗”)作为民族文化的重要载体,承载着老年人熟悉的文化记忆与生活方式,与老年人的情感和价值观高度契合,这种文化认同感能够增强老年人的归属感与幸福感。因此,本研究拟在智慧养老背景下,将数字化设计融入非遗娱乐产品的设计中,以满足低龄老人的娱乐需求。

关键词： DeepSeek   诗歌生态   未来诗学   硅基诗人   人工智能  

摘要： 对当下的诗歌生态来说,我们必须正视以DeepSeek为代表的人工智能所带来的深刻影响。DeepSeek的算法天幕突然拉开,真正意义上的硅基诗人以及未来诗学宣告诞生,大多数的平庸诗人会被高阶的AI化诗歌文本取代或覆盖。人(人类)和机器人(类人)在写作的时候必须遵从一个内在的“人”的法则,即在-定阶段和时空内无论是机器还是人都具有不可突破的认知局限性。

关键词： 体育专业   内在机理   实践路径   大数据   人工智能  

摘要： 数智改变人类的生产、生活,触发新的体育样态。数智既是体育专业人才培养的创新要素,也是一流体育专业的题中之义。笔者基于“双万计划”提出的一流专业建设目标,以数智技术在一流体育专业建设中的应用为线索,对数智赋能体育人才培养的内在机理与实践路径进行了探讨。研究认为数智技术赋能体育人才培养的内在机理是:(1)构建大中小纵向联动、社会横向联合的生源数智扶优机制,实现生源扶优;(2)打造人才培养供需协同的新通道,促进专业人才更高质量的培养以适应社会需求;(3)重构学习场景,拓宽人才培养资源,增强师资和条件的保障度;(4)创新教、评样态,通过数据循证促进专业人才培养目标的达成。数智赋能体育专业人才的实践路径是:建设体育专业学训赛管数智新基建,推动人才培养的数智化进阶;应用驱动,项目牵引,构建常态化的体育师资数智素养提升机制;共享慧治,打造生源、培养、就业三环联动的体育专业数智服务平台;涵养体育专业数智道德生态,推动体育专业育人数智养德的发展。

关键词： 算力伦理学   人工智能   新质生产力   智能时代  

摘要： 人工智能算力是智能时代的数字生产力,是指数字设备执行智能化工作任务的数字计算能力。迄今为止,智能时代的数字伦理研究往往局限于数据伦理学、算法伦理学和平台伦理学三种研究形态,人工智能算力很少受到关注。作为一种新质生产力,人工智能算力具有积极的伦理意义,对于智能时代人的自由全面发展至关重要。同时,算力的发展亦面临一系列重大伦理挑战,呼唤着更深层次的伦理学思考。为此,需要构建算力伦理学并明确基本架构,围绕经济伦理、政治伦理、全球伦理和生态伦理四个理论向度展开伦理探讨。算力伦理学是数字伦理学在智能时代的全新研究方向,具有重要的理论价值和现实意义。

关键词： 管理   神经系统退行性疾病   帕金森病   人工智能  

摘要： 4月11日是世界帕金森日,今年的主题聚焦“人工智能辅助帕金森病的管理”。帕金森病是一种常见的中老年神经系统退行性疾病,主要表现为动作迟缓、震颤、肌肉僵直等症状。随着病情发展,患者会逐渐丧失生活自理能力。令人担忧的是,约50%的帕金森病患者未能及时就医,这一现象在农村地区更为突出。

关键词： 人工智能   深度学习   历史演进   赋能风险   发展进路  

摘要： 技术更迭催生深度学习变革,时代变迁形塑深度学习样态。深度学习旨趣经由“通透”“储知”“高知”正走向“智慧”,人工智能技术赋能学生学习效率提升的同时,也引发了学生认知窄化思维浅化与能力衰退等潜在学习风险。以此,人工智能时代下学生深度学习的有效推进,要立足于时代发展,遵循历史演进逻辑,明晰新时代的深度学习变革挑战,把握新时代赋能契机,聚焦学生知识破茧意识、关系思维构筑、跨域能力培养与数字素养提升,以创构人工智能时代的学生深度学习实践进路。

关键词： 摩根士丹利   人工智能   首席执行官   控股公司   中东国家   融资   投资局   阿联酋  

摘要： 2024年12月24日,特斯拉公司首席执行官埃隆·马斯克旗下人工智能公司xAI宣布完成60亿美元的C轮融资。本轮融资的投资者大致分为两类:一类是贝菜德集团、摩根士丹利、英伟达等美国金融和科技巨头,另一类则是沙特王国控股公司、卡塔尔投资局、阿曼投资局、阿联酋Vy资本等中东国家投资机构。尽管不是当前全球人工智能研发的主要国家,但近些年海湾阿拉伯国家纷纷发力,逐渐成为全球人工智能竞逐赛中的关键力量。

关键词： 机器学习   学习行为   大学生  

摘要： 在高等教育中,分析大学生的学习行为对提高教学质量和学习效率具有重要意义。文章探讨了机器学习在大学生学习行为分析中的应用,通过收集和预处理学习行为数据,构建了多种机器学习模型,分析了学生的学习习惯、风格与成绩的关系,并预测了学习表现。实验表明,模型能有效识别关键学习因素,且预测成绩与实际成绩高度相关。机器学习为教育者提供了数据驱动的决策支持,优化了教学方法,提升了教学质量和学生学习成效,为高等教育发展提供了新视角和工具。

关键词： 人工智能   监管模式   政策比较   文本内容分析  

摘要： 人工智能技术正以指数级的发展趋势重塑着全球创新版图与治理格局,世界各国在创新发展与安全监管的动态平衡中呈现出了监管模式的差异化。本研究对世界代表性国家或地区政府发布的人工智能监管政策进行全面梳理分析,研究发现美国依托联邦与州权博弈从而形成了“创新优先-事后追责”范式;欧盟与英国构建了“风险分级-人权本位”场景化导向体系、日韩依托“软法主导-产业协同”的灵活路径以及中国采用了“战略引领-场景适配”的综合治理模式。在此基础之上,研究构建了“对象分类-强度梯度-责任归属-创新激励”的政策文本内容分析框架,深入分析了美国、欧盟、日韩及中国等国家的人工智能监管模式,进一步为完善我国人工智能治理体系提供策略分析。

关键词： 甲氨蝶呤   骨肉瘤   机器学习   预测模型   排泄延迟   危险因素  

摘要： 目的:基于机器学习方法构建骨肉瘤患者大剂量甲氨蝶呤(high-dose methotrexate,HD-MTX)排泄延迟预测模型,并探索其相关危险因素。方法:回顾性收集2018年6月至2023年8月在东部战区总医院接受HD-MTX治疗并符合本研究纳入标准的80名骨肉瘤患者共255个周期数据。采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)方法来筛选排泄延迟相关的患者特征,分别通过6种机器学习算法构建预测模型,并使用AUC、准确率、精确率等多个指标评估模型的性能。结果:LASSO回归分析确定了10个预测特征指标,包括肌酐清除率(creatinine clearance,CrCl)、给药剂量、ALT、BMI、输注速率、水化值、MTHFR C677T基因多态性、性别、年龄、双膦酸盐合并用药情况。比较6种机器学习算法建立的模型性能指标,其中随机森林模型的预测能力最强[AUC为0.95,平均精确度(AP)0.79,准确率89.61%,精确率83.33%,召回率41.67%,F1值55.56%]。结论:采用随机森林法建立的HD-MTX排泄延迟预测模型可提高临床使用HDMTX患者的用药安全性,预防相关药物不良事件的发生。