关键词： 人工智能   教育变革   智慧就业系统   大学生就业  

摘要： 近年来,人工智能(Artificial Intelligence,AI)技术发展迅速,机器认知能力显著提升,人机协同成为主要的社会生产模式,社会急需精通AI与应用领域专业知识的复合型创新人才。传统教育体系难以满足快速变化的产业人才需求,给大学生就业和高质量教育创新带来新的挑战。同时,AI凭借其多模态数据融合、强大的生成及交互能力,代替人类从事更多脑力工作,也在赋能教育创新及产业发展,为大学生就业和教育变革创造新的机遇。因此,充分利用AI技术优势,完善智慧就业服务系统、推动教育变革,是紧抓机遇应对挑战、推动大学生就业的重要途径。

关键词： 人工智能   司法应用   司法公正   多元治理   司法制度  

摘要： 随着人工智能在司法领域应用的不断深化,司法效率与司法公正的平衡问题再次引发讨论。从技术维度来看,体现为算法的不透明性和不可解释性与司法审判公开原则相悖,人工智能推理的逻辑与司法论证逻辑不符,司法数据质量缺陷易引发裁判偏差;从实践维度来看,体现为过度追求“同案同判”导致自由裁量空间被压缩,用户画像技术滥用影响司法独立性与中立性,司法人员自主性和技术应用难以平衡。为应对人工智能司法应用对司法公正的侵蚀,应构建伦理—技术—制度多元协同治理机制,确立人工智能司法应用的伦理准则框架,构建全生命周期责任体系,明确人工智能提供者的算法披露义务、数据治理义务,通过完善司法体制,构建人机协同的裁判体系,强化对算法输出的实质审查能力,实现司法公正与技术效能的双向增益。

关键词： 人工智能   数字素养   人机共生   数智胜任力  

摘要： 人工智能的快速发展正在深刻改变高等教育的生态格局,重新定义教育数字化的内涵。在此背景下,基于人工智能应用的数字素养已经成为高校教师的职业必备能力。面对人工智能介入形成的数智化教育场景,高校教师要以提升“人机对话”能力为核心,培养和极理性的数字化意识,深刻理解人工智能运行的算法逻辑,强化基于人工智能的专业发展,不断提升自身“数智胜任力”。

关键词： Python课程   生物类专业   项目式教学   生成式人工智能   学习效率  

摘要： 提出一种将生成式人工智能(artificial intelligence,AI)融入项目式教学的教学方法,旨在提升生物类专业学生在Python课程中的学习效率和效果。结果表明,生成式AI能有效协助具备不同编程基础的学生深入理解理论知识,并在实际项目实践中拓宽他们的解题思路,从而激励他们合作完成更具挑战性的项目。这种教学模式有助于学生更好地将Python语言应用于实践,为未来的科研和职业发展奠定坚实基础。

关键词： 为人民服务   教-学-评一体化  

摘要： 《义务教育语文课程标准(2022年版)》指出:“教师应树立‘教-学-评’一体化的意识,科学选择评价方式,合理使用评价工具,妥善运用评价语言,注重鼓励学生,激发学习积极性。”为落实课程标准理念,教学六年级的《为人民服务》时,笔者创设“演说中国”演讲比赛任务情境,借助学校自主开发的语言处理智能体“小珞”,进行“教-学-评”一体化探索。

关键词： 知识生产   学术诚信   人工智能   原创性  

摘要： 近些年,人工智能的发展为人类的知识生产和信息传播带来了全新的挑战和机遇。学术界对AIGC的相关研究发现,AI丰富了人类知识生产的方式,尤其是推动了三阶知识的生产;然而,AIGC无法回避的问题是其知识内容缺乏原创性和洞见力,无法在整体上拓宽人类的认知边界。AIGC在学术界的使用,虽然有利于提高科研工作的效率,但进一步加剧了我国本已严峻的科研诚信问题。

关键词： 超声检查   质量控制   人工智能  

摘要： 超声图像和报告是质量控制关注的重点。近年来,人工智能(AI)在超声医学领域的应用飞速发展,为超声图像和报告质量控制提供了新方法。本文就AI在超声医学领域、特别是图像和报告质量控制中的应用现状进行述评,并探讨其关键问题及未来发展趋势。

关键词： 便秘   肠道微生物群   短链脂肪酸   脑机接口   人工智能   个性化微生物群移植  

摘要： 便秘是一种常见的器质性胃肠道疾病,全球发病率约为10%~20%,病因包括功能性疾病、器质性疾病和药物因素等,大部分为功能性便秘。近年来,在生物医学、人工智能和微生物组研究进展的推动下,便秘的诊断和治疗取得了一定进展。本文综述了便秘的最新研究进展,包括肠道微生物群在便秘中的作用、短链脂肪酸的代谢调节作用、抑郁和其他精神因素对肠道运动的影响。此外,还讨论了人工智能辅助诊断、基于人工智能的咨询系统、个性化微生物群移植和微创神经调节等未来发展方向,为便秘的精准医疗提供新的见解。

关键词： 信息化系统   智能化   后勤管理   风险控制   DBSCAN-LOF算法  

摘要： 随着智能化改革的不断推进,医院后勤管理的建设正向着智能化、信息化、规范化的方向发展。近年来,传统的人工管理模式已不能满足具有大量无序数据的后勤精细化管理条件。为了提高管理效能,实现信息化、智能化的安全管理,研究基于人工智能视域下的医院后勤信息化管理风险控制系统,并在系统构建中引入优化后的基于密度的带噪声应用空间聚类-局部异常因子(density based spatial clustering of applications with noise-local outlier factor,DBSCAN-LOF)算法。结果表明,DBSCAN-LOF算法的异常检出率最高为88.1%,比局部异常因子(local outlier factor,LOF)算法和带噪声应用空间聚类(density based spatial clustering of applications with noise,DBSCAN)算法的异常检出率分别提高了7.2%和13.4%。综上说明,基于人工智能视域下的医院后勤信息化管理风险控制系统在风险控制领域具有参考价值。

关键词： 危重病   康复   人工智能   综述文献专题  

摘要： 随着人工智能、物联网与可穿戴设备的深度融合,智能技术正推动康复模式从“被动响应”到“主动预警”及“精准干预”的转型。该文综述了国外近年来智能技术在危重症康复领域的核心应用范围,主要包括智能监测与动态评估、远程康复及康复机器人辅助工作等领域;探讨了临床应用中所面临的问题及实际应用前景;提出构建“技术—临床—伦理”三位一体的协同创新框架以满足临床实际工作需求的建议。