关键词： 公立虚拟学校   教育重塑   无界学院   人工智能  

摘要： 2024年年末,美国亚利桑那州特许学校委员会(The Arizona State Board for Charter Schools)批准成立一所名为“无界学院”(Unbound Academy)的公立虚拟学校,其以人工智能为核心的创新教学模式迅速引发了全球教育界的关注。该校预计于2025年8月开学,招收250名4—8年级的学生。作为一所依托技术重构教育过程的学校,无界学院不仅挑战了传统课堂的边界,更可能重塑未来人才培养的路径。

关键词： 川崎病   中性粒细胞胞外陷阱   机器学习   加权基因共表达网络分析  

摘要： 目的:通过加权基因共表达网络联合机器学习探讨鉴定中性粒细胞胞外陷阱参与川崎病(KD)的机制及关键基因。方法:从GEO数据库下载GSE68004作为实验集,GSE18606作为验证集用于本研究,使用加权基因共表达网络(WGCNA)分析川崎病的标准化矩阵并分别识别川崎病密切相关的模块,提取关键模块中的基因与中性粒细胞胞外陷阱(NETs)相关基因取交集。构建KD-NETs相关基因的蛋白互作网络(PPI),筛选前10位节点基因,与通过Lasso-Cox筛选得到的基因取交集,即为KD-NETs关键基因。使用Sangerbox多组比较绘图工具在GSE18606中验证关键基因的表达情况,对关键基因进行受试者工作特征(ROC)分析,并计算曲线下面积(AUC)评价关键基因的诊断性能。使用ssGSEA进行单样本基因富集分析。结果:经WGCNA分析深绿色模块与川崎病相关程度最密切,并从此模块中筛选出126基因,与NETs取交集得到33个KD-NETs相关基因,PPI分析得到的前10位交点基因与Lasso-Cox回归得到的11个基因,取交集2个KD-NETs关键基因:ITGB2、FCGR3B。在验证集GSE18606中急性期川崎病组这2个基因表达水平均显著高于健康对照组及恢复期川崎病组(P<0.05),这2个基因在川崎病中AUC曲线面积均>0.7。ssGSEA分析显示,ITGB2、FCGR3B表达升高的情况下均在Toll样受体信号通路中显著富集(P<0.001)。结论:加权基因共表达网络分析联合机器学习表明,ITGB2、FCGR3B在川崎病急性期均高表达且与Toll样受体信号通路相关,提示ITGB2和FCGR3B可能参与川崎病的发生、发展过程,可作为川崎病的潜在生物标志物用于疾病早期诊断。

关键词： 人工智能   广电行业   宇宙创新实验室  

摘要： 本文以山东广播电视台元宇宙与人工智能创新实验室为样本,聚焦"AI+广电"的创新实践.其通过数字人研发、AIGC技术应用及全产业营销创新案例,结合媒介生态变化,形成技术研发、内容生产、商业拓展的创新闭环,为广电行业探索AI技术深度融合、提升传播效能提供实践经验与理论参考.

关键词： 高质量发展   融合   农机农艺   人工智能  

摘要： 当前全球农业科技创新进入空前活跃期,我国在智慧农业方面的发展也呈现出主体多样、思路多样、模式多样的新态势。面对农业新质生产力的到来,究竟该选择什么样的发展路线?这已成为每个从业者的必答题。正确的选择将坐拥智慧农业新时代的红利,反之,错误的选择将导致在产业发展中被边缘化乃至被淘汰。

关键词： 人工智能   幼儿园   信息化教育   教学媒体   教育资源   虚拟仿真技术  

摘要： 幼儿园教育正处于被人工智能及新信息技术全面包围的时代背景之中,幼儿教师在信息化教育中面临的现实困境主要是对现代教学手段的“过度依赖”与“力不从心”并存。推进幼儿园信息化教育实践,应慎重处理好传统与现代的关系,理性思考从数字化到智能化的转向问题,共享优质教学资源以提升信息化教育整体质量,运用虚拟仿真技术赋能幼儿园职前职后一体化师资培养,不断提高幼儿园信息化教育的质量。

关键词： 人工智能   材料科学与工程   人才培养   教学改革  

摘要： 人工智能正在重构社会模式,引领企业迈入多专业融合的复杂多变时代,新一代人工智能技术改变了高等教育领域中师生的学习、生活与思维模式,随着人工智能的发展,企业对具备人工智能素养的材料科学与工程专业人才需求与日俱增,这对材料科学与工程专业的人才培养提出了新的需求。本文以山西电子科技学院为例,探讨了人工智能时代背景下地方性应用型普通本科高校材料科学与工程专业培养方案的改革探索,从教学内容、教学方法等方面对培养方案进行了改进升级,以期提高学生的综合素质,满足社会对材料科学与工程专业人才的需求。

关键词： 人工智能   道德治理   道德风险   模式再造  

摘要： 人工智能的赋智性特征给经济社会发展带来了颠覆性、革命性的深刻变革。这一变革在社会道德领域的现实性表征为道德治理模式再造的需求,具体表现为三个维度:模式再造的动力机制、模式再造的必然性以及模式再造的现实性。通过针对性分析人工智能所产生的正向道德强化、负向道德风险以及道德风险治理等模式再造的不同层面内容,以期强化智能时代道德治理模式的适恰性,实现人与人工智能和谐交互的道德发展格局。

关键词： 数字时代   著作权法   人工智能   数字版权管理技术(DRM)  

摘要： 数字时代著作权法面临着许多新的挑战和机遇。由于互联网和数字技术的快速发展,作品的复制与传播变得更加容易,所以研究现有著作权法是否适用于数字时代具有十分重要的现实意义。梳理著作权法的历史和发展进程,探索数字时代著作权法的新机遇、新挑战,特别是AI生成物的版权归属问题。以适应数字信息时代著作权建立和维护的新需求,提出著作权改革和创新发展的思路,以更好地适应技术发展的时代步伐和行业需求。

关键词： 脓毒症   表型识别   机器学习   精准治疗  

摘要： 目的探讨重症监护病房(intensive care unit,ICU)脓毒症患者临床表型的识别与验证。方法采用人工智能算法处理重症监护医学信息Ⅳ(Medical Information Mart for Intensive CareⅣ,MIMIC-Ⅳ)2.2数据库中脓毒症患者的临床数据,包括人口学特征、ICU首日实验室指标及治疗措施等89个临床特征,首先应用无监督机器学习算法(K均值聚类和层次聚类)进行表型识别,然后应用有监督机器学习算法(轻量级梯度增强机)进行表型预测,并结合机器学习可解释性算法SHAP识别重要特征;最后通过传统统计学方法,对各表型间的临床特征差异与临床结局差异进行验证。结果在22517例脓毒症患者中发现了3种临床特征及结局显著不同的临床表型。其中表型1患者的死亡风险最高(28 d死亡率为46.4%),以肾功能异常和疾病严重程度评分升高为主;表型3患者的死亡风险最低(28 d死亡率为11.2%),神经功能评分最佳。通过可解释性机器学习,识别出阴离子间隙、血尿素氮、肌酐、格拉斯哥昏迷量表评分、凝血酶原时间和序贯性器官功能衰竭评分6个特征(首日最差值)在表型识别(AUC≥0.89)和表型预后预测(AUC≥0.74)方面表现良好。在患者出ICU后28 d、60 d、90 d及1年内,表型3的死亡风险均最低(HR<1)。结论利用机器学习算法成功识别了3种具有不同临床特征及预后的脓毒症临床表型,并筛选出6个关键临床特征,预期将在脓毒症亚型分类及预后评估中发挥重要作用,有助于患者的个体化治疗。

关键词： 特发性肺纤维化   免疫原性细胞死亡   诊断模型   机器学习   关键基因   生信分析  

摘要： 目的旨在识别特发性肺纤维化(IPF)患者中与免疫原性细胞死亡(ICD)相关的差异表达基因(DEGs),并探讨其作为诊断生物标志物的潜力。方法利用GSE150910数据集作为训练队列,并采用DESeq2算法从103名IPF患者与103个正常肺样本的比较中识别出1885个DEGs。结合GeneCards数据库(包含2149个与ICD相关的基因)的韦恩图分析揭示了244个与ICD相关的DEGs。随后,通过进一步的机器学习筛选出关键差异基因,并进行诊断模型的建立和验证。结果包括随机森林和LASSO回归在内的机器学习技术识别了关键基因(NOS2、CDH3、COL17A1、CHRM3、ALPP、COL3A1、NCR1),这些基因被用于构建诊断模型。该模型显示出较高的诊断灵敏度和特异度,其中CDH3和CHRM3的曲线下面积值最高,且在独立数据集中进行的验证确认了模型的稳健性。此外,免疫浸润分析显示IPF患者与对照组之间的免疫细胞类型存在显著差异(P<0.05),并观察到关键基因与免疫细胞浸润水平之间的相关性。基因集富集分析进一步识别出高风险组和低风险组之间与IPF诊断相关的基因集的显著差异。结论本研究的发现增强了学者对IPF潜在分子机制的理解,并识别出关键基因作为该疾病的潜在治疗靶点。未来的研究应集中于转化研究,探索这些标志物的治疗应用及其在疾病免疫学方面的作用。