关键词： artificial intelligence   large language models   cognitive bias   confirmation bias   framing effect  

摘要： The rapid advancement of Artificial Intelligence(AI)and Large Language Models(LLMs)has led to their increasing integration into various domains,from text generation and translation to ***,a critical question remains:do these sophisticated models,much like humans,exhibit susceptibility to cognitive biases?Understanding the presence and nature of such biases in AI is paramount for assessing their reliability,enhancing their performance,and predicting their societal *** research specifically investigates the susceptibility of Google’s Gemini 1.5 Pro and DeepSeek,two prominent LLMs,to framing effects and confirmation *** study meticulously designed a series of experimental trials,systematically manipulating information proportions and presentation orders to evaluate these *** the framing effect experiment,a genetic testing decision-making scenario was *** proportion of positive and negative information(e.g.,20%,50%,or 80%positive)and their presentation order were *** models’inclination towards undergoing genetic testing was *** the confirmation bias experiment,two reports-one positive and one negative-about“RoboTaxi”autonomous vehicles were *** proportion of erroneous information within these reports(10%,30%,and 50%)and their presentation order were systematically altered,and the models’support for each report was *** findings demonstrate that both Gemini 1.5 Pro and DeepSeek are susceptible to framing *** the genetic testing scenario,their decision-making was primarily influenced by the proportion of positive and negative information *** the proportion of positive information was higher,both models showed a greater inclination to recommend or proceed with genetic ***,a higher proportion of negative information led to greater caution or a tendency not to recommend the ***,the order in which this information was presented did not signif

关键词： 普教科研   高质量发展   人工智能  

摘要： 为探索人工智能时代基础教育科研的创新路径,助力基础教育高质量发展迈向新台阶,6月26日,上海市教育科学研究院举办“人工智能与普教科研高质量发展--上海市教科院建院30周年系列学术活动暨2025年上海普教系统科研员集体学习交流活动”。本活动由上海市教科院普教所和虹口区教育学院承办。

关键词： 移动通信网络安全   人工智能   深度学习  

摘要： 随着移动通信网络规模的不断扩大,安全威胁日益复杂化和多样化。为应对这一挑战,提出了一种基于人工智能的网络安全防护策略,设计了包含数据采集、威胁检测、动态防护和自动响应的完整系统架构。系统采用深度学习和强化学习技术,实现对潜在攻击的精准检测和实时防护策略的生成。通过在实际攻击场景中的部署与测试,验证了系统在检测精度、响应时间及兼容性方面的优越性能,为保障移动通信网络的安全提供了创新性解决方案。

关键词： 生成式人工智能   地理教育   机遇   挑战   应对  

摘要： 生成式人工智能凭借其技术特性为地理教育带来范式变革的同时,也引发对教育本质的深度思考。生成式人工智能在地理教育中展现出多方面的积极作用:凭借其强大的迭代能力促进学生对地理学习的理解;通过数据处理与智能推理能力为地理教育的个性化学习构建多维支持体系;构建个性化模拟场景与虚拟环境,助力学生以轻松有趣的方式学习地理现象与理解复杂地理主题。然而,生成式人工智能在实践中仍面临多重挑战:过度依赖技术可能导致学生批判性思维与空间推理能力发展受限;人机交互难以替代师生面对面交流中的情感联结与即时反馈;技术接入差异或加剧地理学习的公平性问题。对此,本文提出基于新加坡南洋理工大学国立教育学院实践经验的应对框架:一方面,确立生成式人工智能赋能地理学习的核心原则,构建包含高阶思维评估和真实性任务设计的教育评价维度;另一方面,提出工具整合路径,实现技术与地理课程的深度融合。本文旨在为地理教育工作者提供理论参照与实践指引,推动生成式人工智能从技术赋能走向教育赋能。

关键词： 极境人工智能   合成数据   造物   数据耗尽   造化论  

摘要： 当前,“极境人工智能”的能力已发展到能替代或超越人类智能的水平,突破人类以往认知的边界。在“数据耗尽”的背景下,如果没有充分的高质量数据,人工智能将是一只“纸老虎”。世界模型和具身智能有望供给保质保量的合成数据来训练更“聪明”的人工智能,但难以“驯虎为牛”,使其成为“更向善的人工智能”。从合成数据的角度看,“聪明的人工智能”指向智能体的“造物”能力,“向善的人工智能”则指向智能体的“伦理”能力。在世界模型和具身智能的基础上,未来的极境人工智能将实现“聪明的人工智能”与“向善的人工智能”的统一,其发展思维可概括为“造物与伦理相统一”的造化论。

关键词： 教育教学改革   金教材   金专   教育高质量发展   金课   金师  

摘要： 随着人工智能(AI)技术快速发展,教育领域迎来深刻变革。本文以《小学语文教学法》课程为例,探讨在人工智能背景下推进“五金”(金专、金教材、金课、金师、金地)建设的实践路径,为教育教学改革提供经验和理论参考。“五金”建设作为新时代教育高质量发展的核心任务,涉及专业、教材、课程、教师、实践基地五大维度。当前,人工智能与教育教学融合成果颇丰,推动了教育教学的变革。

关键词： 人工智能翻译   公共服务   专业术语   标准规范  

摘要： 选取体育、教育、旅游三个领域,以国家标准化管理委员会发布的《公共服务领域英文译写规范》系列标准以及权威词库构建错例库,对国内的文心一言、智谱轻言、Kimi、豆包、DeepSeek等5个知名人工智能工具在术语翻译中的应用效果进行比较研究,并提出应用建议,为翻译人员提供参考。

关键词： 学科育人   人工智能   应用场景  

摘要： 人工智能应用场景能够更有效地突破学科育人实践的痛点,提升育人实效。赋能学科育人的人工智能应用场景,是在学科教学中应用人工智能技术提升育人效能的实践领域与具体模式,具有综合性、多元性、协同性、精准性等特征。教师在实践运用应用场景时应遵循素养导向性、学科情境性、技术赋能性、人本核心性等基本原则,依照目标与需求分析、场景设计与开发、课堂应用与协同、分析评估与迭代四个阶段进行设计与实践。

关键词： 拉美   智利   大语言模型   LATAM GPT   人工智能  

摘要： 6月17日,智利国家人工智能中心主任阿尔瓦罗·索托宣布,智利与拉美多国合作研发的人工智能大语言模型LATAM GPT预计于今年9月正式推出。LATAM GPT作为拉美地区首个开源大语言模型,其训练数据主要来自拉美国家,深度融入了该地区的文化、历史与种族特性,聚焦解决拉美地区的现实问题。

关键词： 人工智能   人工智能生成作品   著作权保护   知识产权制度  

摘要： 本文探讨了人工智能生成作品的著作权保护问题,分析了人工智能生成作品的著作权归属问题及法律挑战。随着人工智能技术的快速发展,现行的《著作权法》面临适用性问题。本文首先论证了人工智能的生成作品应被视为“作品”,符合《著作权法》中“作品”定义,并应享有著作权保护。其次,深入探讨了“作者”问题,提出人工智能生成作品的著作权可以归开发者、投资者或双方共同所有。最后,提出应建立合理的权力分配机制、创建专门的法律框架以及完善著作权登记与许可制度,以应对人工智能作品创作带来的新挑战。这些对策有助于在保护各方权益的同时,促进人工智能产业的创新与发展。