关键词： 高等教育   人工智能   高品质教育   线上教学  

摘要： 随着科技革命的推进以及数字时代的兴起,人们的生活方式发生了深刻变革,高等教育领域亦受到深远影响。全球范围内的高等教育机构纷纷加速向线上教育转型,基于科技的教学模式已成为常态。然而,尽管线上教学模式的持续性已得到广泛认可,其教学质量和学习体验仍备受质疑。本文旨在回顾亚洲学生对线上教育的满意度与看法,并总结了影响学生在线学习效果与质量的关键因素。通过探讨学习范式转变的理论视角,结合线上教学实践经验,本文将为推动技术主导的高等教育发展、构建数字时代高质量教育体系提供有益启示。

关键词： 冠状动脉狭窄   血流储备分数   CT血管成像   机器学习  

摘要： 目的:以侵入性血管造影测得的血流储备分数(FFR ICA)为参考标准,探讨基于机器学习方法测得的心室舒张期和收缩期冠状动脉狭窄段CT血流储备分数(CTFFR)及跨狭窄段CTFFR差值(ΔCTFFR)对心肌缺血的评估价值。方法:使用第三代双源CT机对55例冠心病患者进行冠脉CTA检查,使用基于机器学习方法的CTFFR测量软件,分别基于心室舒张期和收缩期冠脉CTA数据测量冠脉狭窄病变处的CTFFR(分别称为dCTFFR和sCTFFR),并计算其近端与远端CTFFR的差值(ΔdCTFFR和ΔsCTFFR)。采用Pearson相关分析探讨dCTFFR和sCTFFR与FFR的关系。以同期测得的FFR ICA≤0.80作为参考标准,分别评估dCTFFR、sCTFFR、ΔdCTFFR和ΔsCTFFR对狭窄血管所致心肌缺血的诊断准确性。结果:55例患者共68支冠状动脉血管ICA诊断有狭窄病变(其中11例患者为多支血管狭窄),其中44支血管狭窄处FFR≤0.80、24支FFR>0.80。①dCTFFR与FFR的相关性良好(r=0.656,P<0.001),sCTFFR与FFR呈中度相关(r=0.457,P<0.001)。②在血管水平,以FFR≤0.80作为参考标准,dCTFFR的诊断效能优于sCTFFR(AUC分别为0.813和0.700,P=0.025),且ΔdCTFFR的诊断效能也优于ΔsCTFFR(AUC分别为0.833和0.742,P=0.027)。③在24支非缺血性狭窄病变(FFR>0.80)中,ΔdCTFFR和ΔsCTFFR假阳性诊断率(均为25.00%)均小于dCTFFR(54.17%)和sCTFFR(45.83%);在12支“灰区”狭窄病变(0.75≤FFR≤0.80)中,dCTFFR和ΔdCTFFR的假阴性诊断率(分别占16.67%和占25.00%)均小于sCTFFR(50.00%)和ΔsCTFFR(66.67%);对于32处严重缺血性狭窄病变(FFR<0.75),dCTFFR和ΔdCTFFR的假阴性诊断率分别为3.13%和12.50%,小于sCTFFR(15.63%)和ΔsCTFFR(21.88%)。结论:基于机器学习CTFFR测量技术获得的dCTFFR与侵入性FFR的相关性高于sCTFFR。与sCTFFR或ΔsCTFFR相比,dCTFFR和ΔdCTFFR的诊断效能更高,在评估血管狭窄所致心肌缺血时应作为首选指标。

关键词： 人工智能   教育公平   教育数字化转型   数字鸿沟   算法偏见  

摘要： 人工智能对教育公平产生了双面影响,如何利用人工智能促进教育公平、应对其带来的挑战,成为当前教育数字化转型中亟待解决的重要问题。国际社会关于人工智能赋能教育公平形成四个核心共识:人工智能应作为消除教育不平等的工具而非加剧差距的因素、实现教育公平需解决数字资源与基础设施不均衡问题、师生数字素养是影响人工智能促进教育公平的关键因素、建立监管制度是保障人工智能教育公平的基础。然而,在实践层面存在技术维度的结构性阻碍、社会维度的资源性阻碍、主体维度的适应性阻碍以及制度维度的系统性阻碍等多重挑战。针对上述挑战,提出四个维度的实践路径:构建公平可靠的技术支撑体系、建立多方参与的资源配置机制、推动个性化与包容性教育实践、完善政策规范与评估体系。

关键词： 滑坡易发性   致灾环境因子   机器学习   不确定性讨论   地形地貌因子   水文环境因子   地表覆被因子   地层岩性因子  

摘要： 致灾环境因子是滑坡易发性预测建模的输入变量,是指影响滑坡发生、发展和分布的各种边坡自然属性因子。类型齐全且意义明确的致灾环境因子,对提高滑坡易发性结果的准确性和可靠性至关重要。为了进一步明确致灾环境因子的研究现状和未来展望,本研究在Web of Science的核心合集数据库中进行了文献检索,标题中包含“landslide susceptibility”,出版日期范围从20130101-20231231,收集了767篇滑坡易发性英文论文构成文献数据库。首先统计每篇文献中致灾环境因子数量、获取方法、来源、重要性和认可度等信息,然后详述了致灾环境因子的定义和物理意义;之后对致灾环境因子的优化选取/组合方法、因子联接方法、因子误差及其适宜性等特征进行了讨论,为后续预测滑坡易发性时选取致灾环境因子的不确定性研究提供参考。综述结果表明:(1)文献数据库中共统计出82种致灾环境因子,使用频率较高的因子有40余种,其中坡度、坡向、高程、岩性是使用频率最高的4个因子,坡度、高程、公路密度、岩性、降雨等因子在滑坡易发性预测中的重要性依次增高;(2)发现采用类型齐全且物理意义明确的致灾环境因子、基于环境因子联接方法来构建模型输入变量、消除环境因子中的随机误差、提升环境因子的适宜性和内在可解释性等研究有利于大幅提升机器学习方法预测滑坡易发性的性能,在未来研究中需要重点关注这些关键问题。

关键词： 龙卷   中气旋   环境条件   监测   预报预警   雷达   高分辨率数值预报   机器学习  

摘要： 强对流天气预报业务是业务预报的难点之一,而龙卷监测预报预警则是强对流天气预报业务的难点。文中简要总结美国、欧洲和中国龙卷监测预报业务的发展历程,重点总结中气旋龙卷的监测和短期短时临近预报技术进展。龙卷时空尺度小,短期短时预报时效只能预报其有利环境条件和中尺度形成机制,强龙卷指数和最大上升气流螺旋度分别是短期和短时预报龙卷的特征物理量。中气旋龙卷监测依赖于双偏振多普勒天气雷达观测的龙卷涡旋特征和双偏振量演变特征,这些特征可以监测龙卷的形成和消散。准线状对流系统产生的龙卷依然很难直接判识和预警,但该类风暴的中涡旋与龙卷关系较为密切,已发展了利用垂直风切变和雷达双偏振量特征判识该类风暴中涡旋发展的技术方法。使用物理方法、随机森林或深度学习的龙卷监测识别和临近预报技术能力显著提升。龙卷监测预报预警能力当前依然存在很大不足,未来仍需要更多探测手段帮助提升监测识别能力、深化机理认识、发展超高分辨率数值模式和人工智能技术提升预报预警能力,更要发挥预报员的主观能动性和关键作用。

关键词： 人工智能   跨学科教学   科学教育  

摘要： 科学是人工智能发展的基础,在中学阶段,科学教育为学生人工智能的学习奠定了基础。随着科技的进步,人工智能赋能科学在前沿科学领域中取得了显著的成果,催生了众多新兴的交叉学科。面向拔尖创新人才的培养,中学教育应与时俱进,将人工智能交叉赋能科学的新发展引入科学课程与信息科技课程,结合跨学科主题学习,通过真实前沿问题的解决激发学生的思维与兴趣。中学教师在开展人工智能交叉赋能科学教育的跨学科教学中有三个抓手:一是以项目式学习建立真实性学习的路径;二是以计算思维作为跨学科的教学方法及素养主线;三是以深度学习作为融合创新的教学实践模型,在创新的课堂教学中培养学生的创新精神和实践能力。

关键词： 人工智能   学前教育   学前教师   教育家精神   胜任力  

摘要： 教育家精神是一种实践精神,为教师成长构建了多维度、具象化的实践目标框架。人工智能的发展为学前教师提供了创新教学、精准评价、高效育人、深度教研以及智能管理的发展机遇,同时也带来了学前教师的适应之困、数据筛选之困、实践之困、学习之困以及情感链接之困。以教育家精神为视角,建构提升学前教师专业胜任力模型以应对时代之困,形成以至诚报国的理想信念提升学前教师的适应能力,以行为世范的道德情操提升学前教师的数据筛选能力,以启智润心的育人智慧提升学前教师的实践能力,以勤学笃行的躬耕态度提升学前教师的学习能力以及以乐教奉献的仁爱之心提升学前教师的情感链接能力。

关键词： 黄酒   纸基比色阵列传感器   分类识别   机器学习  

摘要： 为解决传统黄酒年份识别方法耗时长、成本高的问题,本研究首次运用纸基比色阵列传感器技术,借助线性判别分析(LDA)处理黄酒样本特征数据,对不同年份黄酒进行基础分类;应用主成分分析(PCA)对黄酒样本的特征数据进行处理和降维;采用K近邻(KNN)和梯度提升树(GBT)两种机器学习算法建立分类模型。结果表明,当GBT模型参数主成分数为3、决策树数量为150、每颗树的最大深度为3时,模型的测试集分类准确率高达97.5%,五折交叉验证准确率为95.7%;KNN模型参数主成分数为7、K值为3时,模型的测试集分类准确率为93.75%,五折交叉验证准确率为90%;利用GBT模型进行随机验证,识别准确率为95%,表明识别效果优良。本研究可为不同类型黄酒年份检测提供新的解决思路与方案。

关键词： Palantir   人工智能   大模型   大数据   军事应用  

摘要： 以帕兰提尔(Palantir)公司为研究对象,分析其发展历程与技术演进路径,揭示智能时代军事科技创新范式。从系统工程视角解构该公司的技术架构与核心能力,剖析其支撑“决策优势”的关键技术体系,并结合典型军事应用案例,梳理其作战域渗透路径与能力生成模式。研究结果表明,帕兰提尔公司构建的以动态本体论为基础的数据融合体系,实现从情报分析到战场决策的全链路智能化,显著提升战场态势感知与指挥控制效能,大幅缩短杀伤链闭合时间。该公司坚持需求驱动、贯彻实战标准、保持技术进化的理念与实践,可为智能防务体系建设和国防科技创新提供重要启示。

关键词： 衰老   疾病动物模型   人工智能   生物医学科学   实验课程  

摘要： 衰老疾病实验动物模型是研究衰老机制和研发抗衰药物的重要手段,它在生命科学、医学、药学等多个学科领域扮演着重要角色。本文以生物医学科学专业本科生为教学对象,将传统动物实验课程与人工智能(AI)结合,设计了利用AI技术对数据进行建模和分析,通过筛选衰老疾病模型的重要标志物构建衰老疾病动物模型的课程,从而为生物医学科学专业的实验课程建设提供个性化和创新性的教学方法。