关键词： 师资   课程   中小学   政策   人工智能教育  

摘要： 人工智能技术的发展与应用速度已经超过我们的预期,从ChatGPT到DeepSeek,几乎每过几个月就有一项人工智能应用刷爆网络。人工智能教育也成了基础教育绕不过去的话题。中小学人工智能教育包含人工智能课程教学和人工智能赋能教育教学两层含义,这两方面内容的推进和落实,都需要构建智能教育生态(见图1),主要包括政策、师资、课程、评价、主体和平台6个核心要素。

关键词： 毒蛇咬伤   诊疗   发展方向   人工智能   小分子药物  

摘要： 毒蛇咬伤(SBE)是一种严重的公共卫生问题,全球每年约有180万例蛇咬伤事件,导致超过9.4万人死亡,数十万人致残,对患者家庭和社会经济造成重大影响。SBE的临床表现复杂多样,从局部组织损伤到危及生命的全身性影响,主要由蛇毒中的多种蛋白质和酶类引起。抗蛇毒血清是目前唯一的特异性治疗方法,但其应用受限于生产成本高、保障困难、过敏风险及对部分蛇毒的特异性不足等问题。近年来,AI赋能的SBE的诊疗方案与手段快速发展。本文概述了SBE的临床表现、治疗现状及未来研究方向。特别强调了AI在诊断支持和治疗优化中的潜力,以及基于蛇毒分子机制的小分子药物开发的重要性。

关键词： GenAI模型训练   惠益分享   合理使用   法定许可使用  

摘要： 从著作权法来看,GenAI模型训练是对作品的非表达性使用和非作品性使用,而事实上其属于一种类似于人类学习的对作品表达的特殊使用。GenAI生成物虽然在表达上与原作品不同,却完全可能成为众多原作品最优的思想、风格的集大成者,在生成物产量远高于人类作品的情况下会恶化作品市场的竞争环境。鉴于先授权后使用存在授权难以实施等弊端,而GenAI模型训练使用作品的行为适用合理使用制度予以侵权豁免无法平衡人工智能发展和著作权人的权益,建议根据惠益分享原则,在GenAI模型发展初期采用合理使用制度配合政府基金,时机成熟时再在立法上新增法定许可类型,并以著作权集体管理制度的完善为配套。当前,在合理使用制度的具体安排上,GenAI模型训练对作品的利用行为不符合《著作权法》第24条第1款规定的合理使用任何情形,但与“三步检验法”不冲突,可以考虑在司法实践中利用目的性转换规则将模型训练行为解释为合理使用。

关键词： 创伤和损伤   脑损伤   患者分级医疗   人工智能  

摘要： 目的构建基于事故现场伤情数据创伤性脑损伤(TBI)分级模型并验证其效能。方法采用回顾性队列研究分析2019年1月至2023年12月陆军军医大学第二附属医院收治的368例TBI患者的院前救治资料,其中男243例,女125例;年龄18~82岁[(48.1±20.8)岁]。救护人员抵达时患者的格拉斯哥昏迷评分(GCS)为3~15分[11.0(3.0,15.0)分]。将患者以7∶3的比例随机分为训练集(257例)和测试集(111例)。根据入院诊断,将患者分为轻型TBI组(62例)、中型TBI组(137例)、重型TBI组(120例)和特重型TBI组(49例)。训练集中,轻型TBI组44例,中型TBI组98例,重型TBI组82例,特重型TBI组33例;测试集中,轻型TBI组18例,中型TBI组39例,重型TBI组38例,特重型TBI组16例。收集事故现场患者的MARCH(M为大出血,A为气道梗阻,R为呼吸衰竭,C为循环衰竭,H为低体温)检伤、GCS、院前指数(PHI)、休克指数(SI)、反向休克指数与GCS乘积(rSIG)、超声测量的视神经鞘直径(ONSD)、头皮与颅骨损伤等12种伤情数据。采用随机森林(RF)、支持向量机(SVM)和逻辑回归(LR)3种机器算法构建基于事故现场伤情数据TBI分级模型。根据3种模型的准确率、精确率、召回率、F1值及受试者工作特征(ROC)曲线下面积(AUC)验证模型的TBI分级效能。运用沙普利加法解释(SHAP)对最优模型的结果进行解释,将此模型中12种伤情数据按照对TBI分级贡献度大小进行排序并筛选出贡献度较大的伤情数据。结果RF、SVM及LR模型在测试集中的准确率分别为0.93、0.92、0.87;精确率分别为0.93、0.92、0.89;召回率分别为0.93、0.92、0.87;F1值分别为0.93、0.92、0.87。RF模型对轻、中、重及特重型TBI测试集的AUC分别为0.96(95%CI 0.92,0.98)、0.98(95%CI 0.94,0.99)、0.97(95%CI 0.95,0.98)、0.97(95%CI 0.96,0.98);SVM模型分别为0.90(95%CI 0.88,0.94)、0.95(95%CI 0.92,0.97)、0.96(95%CI 0.94,0.98)、0.95(95%CI 0.92,0.99);LR模型分别为0.90(95%CI 0.83,0.96)、0.90(95%CI 0.84,0.95)、0.96(95%CI 0.95,0.98)、0.95(95%CI 0.94,0.97)。RF模型对TBI分级的区分度最佳。SHAP对RF模型进行解释后显示,12种伤情数据中对TBI分级贡献度较大者依次为GCS、rSIG、SI、PHI、呼吸衰竭、ONSD、循环衰竭。结论在基于事故现场伤情数据TBI分级模型中,与SVM和LR模型比较,RF模型对TBI分级的预测效能更好。同时GCS、rSIG、SI、PHI、呼吸衰竭、ONSD、循环衰竭在RF模型中对TBI分级贡献度较大,可为救护人员在事故现场对TBI进行分级及救治提供参考。

关键词： 人工智能指数   碳排放强度   双碳目标   中介效应  

摘要： 人工智能技术是伴随计算机技术的研究使用逐步发展起来的一种新型技术。人工智能技术的发展在能耗方案优化、节能减排以及提高能源利用效率等方面发挥了降低中国城市能耗碳排放强度的作用。研究如何从人工智能技术出发,通过影响产业结构升级、工业技术创新、工业生产效率和环境污染治理效率等中间因素,从而实现双碳目标,对我国经济的高质量发展具有重要的理论与现实意义。利用2012—2021年中国30个省域面板数据,基于空间Durbin模型,从固定效应的分解检验、稳健性检验、异质性检验、实现路径检验等角度实证研究人工智能技术对碳排放强度的影响。研究发现:人工智能创新发展指数、数字金融指数以及环境规制程度三个驱动因素均对省域的城市能耗碳排放强度具有负向影响,也就是对城市能耗碳排放强度的上升具有抑制作用,人均工业增加值占比、城市化水平以及工业能耗强度对省域的城市能耗碳排放强度具有正向影响。产业结构升级、工业技术创新、工业生产效率和环境污染治理效率对能耗碳排放强度产生的中介效应均显著为负,即对省域的城市能耗碳排放强度具有中间抑制效应。

关键词： 人工智能   非遗文化   小学美术  

摘要： 随着人工智能技术的快速发展,其在教育领域的应用也日益广泛。文章旨在深入探讨人工智能视域下非遗文化如何有效融入小学美术课堂。文章从学生和美术课程本身两个角度出发,分析人工智能技术背景下非遗文化融入小学美术课堂中的价值,通过引入人工智能技术、借助智能交互手段、创意融合非遗实践以及依托智能评估系统四大策略,指出了基于人工智能的非遗文化融入路径,以期为小学美术教育的创新发展提供有益借鉴,推动非遗文化的传承与发展。

关键词： 生成式人工智能   学风教育   教育数字化  

摘要： 生成式人工智能以人机互驯打造知识生产新引擎、以人机对话构建知识学习新模式,驱动提升教师教学和学生学习的含“智”量,释放技术红利成为新智能助手、加速技术迭代催生新摩尔效应,引发大学生学风教育基础的变革、内容的革芯和手段的革新,推动了学风教育积极变革。但是,生成式人工智能面临架构偏狭的教育目标失衡、人机倒置的教育主体暗转、道德冲击的学术诚信危机、算法黑箱的教育技术漏洞等问题,滋生大学生学风教育的多重潜在风险。为此,需恪守扬长补短、以人为本、诚信为先、算法透明的基本原则,以三维目标纠正教育目标失衡、以人机共生巩固教育主体地位、以自律他律筑牢学术规范底线、以AI发展弥补算法技术漏洞,坚守使命担当,推进生成式人工智能技术合理嵌入大学生学风教育。

关键词： 人工智能   多模态学习   符号中介   数字诗教   数字人文素养  

摘要： 生成式人工智能为初中语文古诗词教学数字化转型提供革新路径。本研究基于TPACK理论框架,结合技术哲学视角,探讨GenAI与古诗词教学的耦合机制、实践挑战及赋能策略。研究发现,GenAI通过多模态AIGC产品重构教学情境,技术赋能呈现“助教、助学、助评、助研”四维联动即时效果,并驱动“技术—教育—文化”协同生态的长期发展。然而,技术介入引发教师、学生、教学指导三方面挑战。对此,研究提出技术赋能情境创设、资源赋能多模态教学范式、数字人文赋能素养发展的教学新思路。本研究的创新之处在于,紧盯教育科技前沿,将技术、资源、数字人文纳入TPACK框架,构建三维整合模型,提出“符号中介系统重构”“数字诗教范式”,为数字时代的文化传承、“时代新人”培养提供实施方案。

关键词： 人工智能   审计   机遇   挑战  

摘要： 人工智能技术通过提高数据分析和处理能力,有机会帮助实现审计流程自动化,降低审计成本和人力需求,为审计行业带来了效率的提升。然而,人工智能的应用也面临数据安全和隐私保护困难、冲击传统审计模式以及技术成熟度和可信赖性不足等挑战。为应对这些情况,建议加强数据安全和隐私保护,调整传统审计模式,丰富审计技能教育类型,以更好地应对人工智能时代下审计行业的发展需求。

关键词： 生成式人工智能   主流意识形态   传播风险   去中心化   价值导向  

摘要： 生成式人工智能的迭代发展为社会各领域注入了新动能,也对国家的政治、文化产生了深远影响,尤其是生成式人工智能背景下碎微议题、价值预设、信息失实、把关转移的交织耦合,为主流意识形态传播带来主题悬浮、话语失衡、内容失实、管控让渡等一系列风险,使主流意识形态传播面临主导力削弱、渗透力消解、号召力式微、影响力降低等危机。通过对生成式人工智能嵌入主流意识形态传播的风险进行分析,发现其形成逻辑在于资本推动与技术迭代操纵社会价值导向,数据失真与算法偏见导致意识形态偏差,去中心化与再中心化引发思潮场域博弈,主客异位与思维异化影响主体功能发挥。因而,需从坚持思想领航,规制资本发展的运行秩序;创新话语表达,提高议题设置的能力水平;完善治理体系,重塑主流意识形态政治权威;优化技术应用,实现双重理性的平衡统一等四个方面有效规避生成式人工智能带来的传播风险,持续优化主流意识形态传播效果,维护主流意识形态传播安全。