关键词： 生成式人工智能   旅游经济学   教学应用   教学改革  

摘要： 随着生成式人工智能技术的快速发展,其在教育领域的应用逐渐成为研究热点。以《旅游经济学》教学为案例,通过分析生成式人工智能技术的发展历程及其在教育领域的潜力,结合学科特点与教学需求,提出生成式AI在动态案例生成、智能问答系统、个性化学习路径设计等方面的具体应用场景。研究发现,生成式AI技术能够有效提升教学个性化、互动性和实践性,但也面临案例生成质量不高、智能问答准确性不足等技术挑战。针对这些问题,提出技术优化、教学改革及管理与政策层面的改进措施,以期为生成式AI在旅游经济学教学中的进一步应用提供理论支持和实践指导。

关键词： 双向投资   人工智能   技能结构调整   融资约束   创新激励   走出去  

摘要： 在深化“引进来”和“走出去”战略协同的背景下,双向投资作为中国企业高效利用全球资源要素和市场空间的关键途径,正通过驱动人工智能深度应用,加速重构全球产业竞争范式。本文以2007—2023年中国A股上市公司为样本,从外商投资和对外投资两个维度出发实证检验双向投资对企业人工智能应用水平的影响效应及作用机制。研究发现,双向投资能够推动企业人工智能应用水平提升;机制检验结果表明,双向投资通过劳动力技能结构调整、融资约束缓解和创新激励三个渠道推动企业人工智能应用水平提升;进一步分析发现,双向投资对人工智能应用的促进作用在人力资本水平较高的企业、制造业行业和沿海地区更为明显。本研究不仅为企业把握国际合作机遇、实现数字化与智能化协同发展提供了重要参考,也为高效联通国内国际两个市场两种资源、助推“人工智能+”行动顺利开展提供了有益启示。

关键词： 2025年全国Ⅰ卷   命题创新   问答体   人工智能  

摘要： 2025年高考语文全国Ⅰ卷创新试题形式,围绕立德树人根本任务,优化了考试内容,拓展问答体等选文类型,丰富文言文组合方式,培养学生提出高质量的问题,获得高质量的答案的能力。高考突出对提问能力的考查,意在应对人工智能快速发展带来的挑战。这种未雨绸缪的命题意识给教学带来的启示是,语文学习应当像高考命题一样,主动关注未来人工智能时代所必备的关键能力,以命题研究引导教学,着力培养学生的逻辑思维能力、批判性思维能力和创新思维能力。

关键词： 大数据   人工智能   智能思政   精准履职   高校辅导员  

摘要： AI能够助力精准识别学生诉求、精准配置工作资源、精准设计辅导方案,是新时代辅导员精准履职的重要技术资源。在主客观因素综合作用下,AI的“异化”同高校辅导员认知与理念的偏差相叠加,导致其在精准履职过程中面临价值偏见、目标偏离、能力退化与隐私泄露等多重风险。高校需要推进智能思政教育、强化价值引领作用、保障数据信息的质量、提升辅导员智能素养、保护大学生的数字隐私,高质量赋能高校辅导员精准履职。

关键词： 人工智能   生成作品   侵权行为   责任承担   抗辩事由  

摘要： 根据是否利用自己的AI绘画工具实施侵害AI绘画生成作品侵权行为,可以分为非法利用和重复生成两种基本类型。非法利用和重复生成行为在责任主体、行为方式及侵害的具体权利上存在显著差异,两者构成了完整的侵害AI绘画生成作品的行为类型。非法利用适用过错责任原则,重复生成适用过错推定原则。侵权责任构成要件是违法行为、损害事实、因果关系和过错。这两类侵权行为都会造成著作权人人身权和财产权的损害,承担的责任方式主要是损害赔偿,包括财产损害赔偿、惩罚性赔偿和精神损害赔偿;根据实际情况,选择适用停止侵害、消除影响、赔礼道歉,还可以申请侵权禁令。

关键词： 产教融合   人工智能   创新创业教育   课程群   评价体系  

摘要： 现阶段,我国高校人工智能专业研究生培养面临着三大痛点问题:一是教学内容滞后,课程体系存在重理论轻实践的倾向,教学内容滞后于技术迭代速度;二是忽略产业案例,教学内容与产业的实际需求脱节,人才培养标准与企业用人标准衔接不畅;三是评价模式单一,忽略了人工智能教育的创新和实践的属性。针对上述问题,本研究通过构建人工智能+创新创业特色课程群,设计产教融合特色知识案例库,培育校企融合型师资队伍及建立产教融合教学质量与评价体系,创新性地形成“课程重构-案例建设-师资培育-评价创新”四维协同育人机制,有效促进学术链、产业链与创新链的深度融合,为人工智能专业研究生培养提供了兼具中国特色与国际视野的本土化解决方案。

关键词： 储能   电力供应   业绩增长   数据中心   人工智能  

摘要： 随着2025年上半年储能企业业绩陆续披露,一个明显的趋势正在浮现:数据中心储能业务已成为推动多家企业业绩增长的重要引擎。在人工智能(AI)技术迅猛发展的当下,全球数据量呈现爆发式增长,数据中心的能耗问题日益凸显,对稳定、高效电力供应的需求迫在眉睫。

关键词： 常染色体显性多囊肾病   肾脏总体积   人工智能   深度学习   磁共振成像  

摘要： 目的开发一种基于MRI的人工智能(AI)分割算法,尝试实现常染色体显性多囊肾病(ADPKD)患者肾体积的全自动精准测量,并验证其临床可靠性。方法回顾性收集浙江中医药大学附属杭州市中医院121例和杭州师范大学附属萧山医院29例ADPKD患者的临床资料,基于轴位T2加权像脂肪抑制序列,构建基于Swin-UNet的多囊肾分割模型(Swin-UNetMC)架构,采用随机分层抽样进行性能验证,实现肾脏自动分割与体积测量,并与椭球方程法(下称传统方法)进行一致性分析。结果训练集Dice=0.982(交并比=0.96),测试集Dice=0.969(交并比=0.94),AI分割算法与传统方法高度相关(r>0.98),但存在系统性偏差,肾脏总体积差异范围约为-333.3~278.0 mL。结论本研究提出的基于MRI的AI分割算法可实现ADPKD患者肾体积全自动精准测量,与传统方法一致性良好,具有较好的稳定性及分割效率。

关键词： 电池寿命预测   多物理场耦合   深度神经网络   电池管理系统   新能源电池  

摘要： 针对当前新能源电池寿命预测模型多聚焦单一物理场、难以刻画电、热、化学多场耦合衰减机制,导致复杂工况下预测精度低、适应性差的问题,提出一种基于双通道深度神经网络(Dual-channel Deep Neural Network,DCDNN)的电池寿命预测模型。该模型以多物理场耦合数学方程为理论基础,融合深度神经网络对复杂非线性关系的拟合能力,综合纳入电池运行过程中的热效应、电特性变化及化学反应速率等关键影响因素,构建多场协同作用下的电池衰减规律映射模型,实现对不同工况下电池寿命的精准预测。实验结果表明,DC-DNN模型在预测性能上显著优于传统单物理场(热、电、化学)模型,可稳定适配锂离子电池、镍氢电池等不同电池类型及高低温等多样化运行场景;整体预测误差远低于常规模型,为电池全生命周期管理与系统运维策略优化提供了技术参考。

关键词： 人工智能   下肢畸形   手术导航  

摘要： 目的探究数智预规划导航技术辅助下肢截骨术的临床效果,评估其在精准纠正下肢力线、减少手术并发症等方面的优势。方法选取2023年7月至2024年6月首都医科大学附属北京积水潭医院足踝外科收治的9例下肢力线不良患者;其中男5例,女4例;股骨畸形3例,胫骨畸形6例。在星航骨科导航工作站预规划螺钉置入路径;术中采集二维图像数据,与术前三维CT数据配准后实施导航置针手术。术后进行随访,测量髋膝踝角(HKA)、解剖股骨远端外侧角(aLDFA)、解剖股骨远端后侧角(aPDFA)、胫骨近端内侧角(MPTA)等影像学指标,采用Likert满意度量表评价患者满意度。结果9例患者手术均顺利完成,手术时间60~160(98.9±28.2)min,术后住院(2.9±0.8)d,随访时间6~15(8.9±2.1)个月。术后所有患者均未出现并发症。截骨处愈合良好,畸形均得到矫正。术后6个月随访,X线片显示骨折愈合良好,HKA、aLDFA、aPDFA、MPTA等相关角度均恢复至正常范围,9例患者Likert满意度量表均非常满意。结论数智预规划导航技术辅助下肢截骨术矫正精度高,可有效弥补对扭转畸形矫正程度判断的不足,避免术中反复透视,并能减少手术时间,为改良下肢截骨手术提供了可靠的技术支持,有望提升临床治疗效果。