关键词： 人工智能技术   “双碳”目标   “双碳”践行绩效   U型关系  

摘要： 基于2006—2022年中国城市面板数据,考察人工智能技术对“双碳”践行绩效的影响,以期为城市实现“双碳”目标寻找有效路径。研究发现:(1)人工智能技术与“双碳”践行绩效之间存在U型关系,当人工智能技术达到一定水平后,其对“双碳”践行绩效的影响由抑制效应转变为促进效应。分维度看,人工智能技术对低碳潜力维度的促进效应率先凸显。(2)中介效应分析表明,要素升级、产业升级和动力升级发挥着重要的中介作用。(3)调节效应分析表明,数字基础设施、数字产业发展、数字创新能力均正向调节二者间的U型关系,并且使拐点左移。(4)异质性分析表明,低碳潜力大、低碳状态差的地区,人工智能技术对“双碳”践行绩效赋能效应更强;东、中部地区二者间存在U型关系,而西部地区则上述关系不明显;中心城市相对非中心城市赋能效应更大;创新创业活跃度高、信息基础设施水平高、实施智慧城市试点的地区人工智能赋能效应更强。研究为有效应用人工智能技术和推动“双碳”目标实现提供经验证据与实践参考。

关键词： 绘本   艺术实践   故事线索   人工智能  

摘要： 绘本是一种新兴而独特的儿童文学读物。它是以故事为导向,搭配生动有趣的图文,通过故事情节的发展,创设情境画面,来表现儿童关注,具有教育和启蒙意义的读物作品,为儿童身心发展提供不可或缺的精神食粮。小学美术教育要具备国际视野,提高教学实践水平,引入初级绘本教育意义深刻。儿童作为绘本阅读的主体,可以在小学课堂接受绘本绘画学习和艺术熏陶,能够将自己的想法通过绘本创作的方式,产生作品生成的实际意义。以小学美术教育引入绘本教学为出发点,通过研究绘本教学在小学美术课堂中的应用,激发学生对绘本创作的热情。

关键词： 心血管-肾脏-代谢综合征   生物标志物   无创监测技术   影像与功能评估   健康社会决定因素   风险预测模型   人工智能  

摘要： 心血管疾病（CVD）、慢性肾病（CKD）和代谢性疾病是威胁人类健康的三大慢性疾病，三者密切相关且常常合并存在，大大增加了疾病的管理难度。为此，2023年10月美国心脏协会（AHA）建议提出了“心血管-肾脏-代谢（cardiovascular-kidney-metabolic，CKM）综合征”这一新型疾病概念，引发全球对于心肾共治及代谢性疾病防治的广泛关注。本综述的核心观点是，应对CKM综合征需要构建一个整合生物学、技术与社会因素的多维度诊断与风险预测新范式。本文首先阐明CKM的核心病理机制，即由脂肪组织功能失调驱动的、以炎症和氧化应激为核心的“代谢毒性环境”，是连接各器官损伤的共同通路。高危人群不仅表现出传统生物学特征，其风险更被健康社会决定因素（SDoH）显著放大（风险可升高1.18～3.50倍），凸显了公平性在筛查中的重要性。在诊断技术层面，本文系统梳理了从传统到前沿的技术进展：生物标志物（如NT-proBNP、UACR、SII、Klotho蛋白）的联合应用，实现了从单一指标向多器官损伤综合评估的转变；无创监测技术（如多波长光电容积描记术（PPG）、心阻抗图（ICG））为动态捕捉亚临床阶段的微循环与血流动力学异常提供了关键窗口；而人工智能定量计算机断层扫描（CT）分析（AI-QCT）等影像学技术，通过将6个月内心血管事件预测的曲线下面积（AUC）从0.637提升至0.688，展现了精准识别早期结构与功能病变的巨大潜力。在风险预测层面，本综述探讨了从传统工具到人工智能模型的演进：新型PREVENT方程通过整合肾功能指标（eGFR、UACR），可将CKD检出率提高20%～30%，实现了对亚临床器官损伤的更精准识别；而基于机器学习的动态模型则代表了未来方向，例如XGBoost算法对365 d内心血管事件的预测AUC可达0.82，深度学习模型（KFDeep）对肾衰竭风险的预测AUC更高达0.946，彰显了AI在处理多模态数据与实现个体化、动态预测方面的显著优势。本文最后展望未来研究应聚焦于多模态数据深度融合、AI驱动的新型标志物开发、SDoH精细化干预及跨学科协作，共同构建一个高效、精准且公平的CKM筛查与干预体系。

关键词： 人工智能   气候治理   气候正义   时间压缩   人机合智  

摘要： 有效的全球气候治理实践须以气候正义为伦理基础。虽然全球气候治理的正义实践随国际气候协议的推进取得了阶段性进展，但是仍面临观念、制度和效能等方面的困境。人工智能从时间压缩、权力域拓新、人机合智等多维度找回了全球气候治理的正义之失，在气候正义的建构中具有正当性。作为一种年轻的“治理术”，人工智能受技术异化、权力竞逐、算法特性等因素影响，弱化了全球气候决策机制的公正性和气候正义的适应性，加剧了气候变化不作为现象，使气候正义构建面临新的潜在挑战。在全球气候治理中嵌入人工智能应持包容审慎的态度，构建安全可信低碳的人工智能技术框架，建立人工智能风险评估机制和技术权力规制体系，明确气候变化领域人工智能的准入标准与应用边界，进而满足气候正义的价值诉求，实现人工智能赋能效应的最大化，加快实现全球气候行动目标。

关键词： 智能革命   法理革新   技术自主性   AI大模型   数字法治   大模型技术  

摘要： 为了明确人工智能大模型时代下，大模型技术应用对传统法理体系造成的挑战。在此背景下，探索法理的转型机遇与重构策略，以推动法律体系的动态进化与全球治理协同。采用案例研究、跨学科比较等方法，重新审视和思考传统法律观念，总结大模型技术在法律实践中的应用现状与存在问题，提出相应系统性重构路径，对当前法律制度进行适应性革新。结果表明，在大模型技术冲击下基础法理面临着多重挑战，同时也更孕育着新的转型机遇。法律体系需从被动应对转向主动建构。具体策略包括：动态治理框架建构下智能体权责归属的智能化界定；多模态综合治理下数据保护与隐私权益的强化；算法正义实现机制下技术公平与数据多样性的设计；认知协同进化体系下技术变革与法律体系的适应性更新；法治认知共同体培育下法律教育与公众意识的智能化提升路径等；以法治保障推动大模型技术的可持续发展，实现技术红利与法治价值的有机统一，为法理革新提供兼具理论深度与实践可行性的中国方案。

关键词： 人工智能   中职教育   计算机专业   个性化教学  

摘要： 随着职业教育改革深化,中职计算机教学需突破传统模式局限,中职教师也要将自身的教学眼光放得更加长远,积极运用先进的人工智能技术开展后续的教育工作,运用此技术对班级学生学习情况加以合理分析,切实挖掘每个学生的潜在能力,让学生能在计算机领域拥有更好的发展前景。为此,中职计算机教师在制定教学方案的时候要切实融合先进的人工智能技术,进而实现数据挖掘、学习分析、智能决策等多方面的教育目标,充分结合中职学生学习特点与计算机课程教学需求,探讨个性化教学的路径。这不仅有助于提升教学效率与质量,还能推动中职计算机教育的智能化转型,为职业教育创新发展提供新思路与技术支撑。

关键词： 人工智能   初中英语   教学模式   实践探索  

摘要： 随着人工智能技术的飞速发展,其在教育领域的应用日益广泛。初中英语作为基础教育的重要学科,在AI背景下进行教学模式的探索与实践具有重要的现实意义。本研究首先阐述了AI背景下初中英语教学模式的实践价值,包括精准把握教学目标、构建高效英语课堂和提高学生学习成效等方面;接着分析了初中英语教学现存的问题,如对课前准备的重视不足、课堂教学模式有待优化和忽视开展课后诊断检测等;最后提出了AI背景下初中英语教学模式的优化策略,从而为初中英语教学改革提供有益的参考。

关键词： 生成式人工智能   文化强国建设   创新驱动   文化创新   数字对话  

摘要： 随着DeepSeek、Manus、Chatgpt、Sora等一系列生成式人工智能的出现，改变了以往人工智能仅用于数据分析的模式，更具针对性的文本、视频、图片、声音、代码、创意等得以快速生成。生成式人工智能在文化生产维度实现全流程智能化，解放创造性生产力；文化传播维度实现破圈效应，提升文化传播影响力；文化消费维度定制化推送满足个性化需求，激活长尾市场。生成式人工智能作为科学技术的新发展样态，成为助力文化强国建设的新兴动力。然而，生成式人工智能在助力文化强国建设的进程中，仍面临着技术理性与人文价值的冲突、创新效率与伦理风险的博弈、技术垄断与文化多样性的矛盾等制约因素。为此，应在技术、文化与法律治理维度形成协同效应，释放技术创新红利，打造文化科技融合引擎；提升文化治理智能化水平，构建数字文化生态；守住文化安全底线，构建数字时代文化秩序。

关键词： 光纤干涉仪   生命体征监测   抗失真技术   人工智能   马赫-曾德尔干涉仪  

摘要： 文章回顾了本研究小组在抗失真及人工智能技术在干涉型光纤生命体征传感监测中的研究进展。从光纤马赫-曾德尔干涉仪的信号失真问题出发，分析动圈式相位调制、GAN神经网络重建、薄膜压电辅助解调及VCSEL有源零差解调等抗失真技术；同时探讨ELA模型、改进U-Net等端到端人工智能算法在心率、呼吸频率监测及心冲击信号特征提取中的应用。这些技术进一步完善了非侵入式光纤干涉型生命体征监测系统，为大健康领域大范围应用起了重要的支撑作用。

关键词： 医学计量   心律失常识别   测量不确定度   人工智能算法   质量评估  

摘要： 基于心律失常的人工智能识别算法在心血管疾病的诊断中至关重要。由于算法的测量不确定度评定是实现心律失常识别算法可靠性评估的关键，因此提出一种针对此类算法的测量不确定度评定方法。采用MITBIH心律失常数据库作为参考数据集，将DNN模型与CNN等3个模型进行对比试验。使用独立数据集十折交叉实验，通过不确定度合成的评定方法，分析算法输出结果的可靠性。4个模型在主要类型心律失常识别中分别达到97.2%(95%CI:96.8%～97.6%),92.8%(95%CI:91.0%～94.6%),89.5%(95%CI:87.4%～91.6%)和93.2%(95%CI:91.6%～94.8%)的总体准确率。不确定度传播分析发现，十折交叉实验不确定度（0.18%）、设备系统误差（0.03%）和数据量化误差（0.01%）是影响测量结果可靠性的主要因素，为医疗人工智能算法的质量评估提供了参考。