关键词： 生成式人工智能   思政引领力   教育强国  

摘要： 铸就强大的思政引领力是推进教育强国建设的内在诉求。生成式人工智能在教育领域掀起广泛的热潮,为增强思政引领力注入新的动能。生成式人工智能为思想政治工作带来知识增殖、深度交互和场域延伸,在精准供给、人机协同和具身认知的沉浸中,推动思政引领力的育人效度、价值厚度和情感温度实现整体性跃升。然而,在深度嵌合中可能面临教育内容失真、价值共识削弱、主体地位僭越等风险。有鉴于此,确保生成式人工智能与思政引领力建设紧密耦合、良性互动,破局之关键在于注重“道、技、法”三管齐下,从明确育人实践的价值定位、提升思政队伍的数字素养、完善智能教育的规范体系等方面入手,为全面构建固本铸魂的思想政治工作体系提供强有力的支撑。

关键词： 生成式人工智能   经济学研究范式   三角关系   理论基础   分析方法   应用实践   中国经济学  

摘要： 基于理论基础、分析方法与应用实践的三角关系框架,系统分析了人工智能(AI)对经济学范式的冲击机制。研究发现,人工智能通过数据生成与自动化能力,挑战理论真实性、提升方法效率但削弱可信度、加速实践生产力却引入偏差风险。结合中国数字经济与双碳目标等实践,揭示AI对行为经济学、计量模型及政策分析的影响。针对上述冲击与失衡,文章从理论、方法与实践三个层面提出系统性应对路径,包括理论验证、方法优化与实践监管,构建相互支撑的闭环体系,以重建三角关系的动态平衡。研究强调,中国经济学研究需兼顾国际化与本土化,推动跨学科融合,适应智能化转型,为全球经济治理贡献视角。

关键词： 人工智能   教育人工智能   人机对齐   教师  

摘要： 人工智能的加速进化为教育的发展与变革注入了极大能动性,教育人工智能迅速在各级各类学校教育中得以应用,也引发了人们尤其是教师的不同看法。在乐观主义者眼中,教育人工智能将教育引入一个正在来临的新世界,为教师的专业实践提供了无限的可能空间;而悲观主义者则认为,这个教育世界充满风险挑战,教师职业的合法性正面临被全面消解的危机。“人机对齐”可以被视为一种破解二元格局的可能方案,无论是“技术论”“符合论”还是“自主论”,其核心旨趣都在于确保人工智能与人类的需要、价值与伦理等保持高度一致,以消除二者的对抗性风险。“人机对齐”的启示性意义在于,通用人工智能依然是遥远的梦想,人类不会把自己置于机器统治之下,人工智能对于教师只能产生“有限影响”。因此,教师尚可“泰然处之”,并以一种未来性的态度不断在“人机对齐”中挺立自身,其可能的实践路径包括正确认识人与智能机器的关系,全面提升教师的人工智能素养,以及积极寻求与科技企业界的对话合作。

关键词： 人工智能   社会想象   科幻电影   技术接纳  

摘要： 根据社会建构论与社会想象的理论主张,人工智能被大众接纳的关键在于社会想象中,它的样态以及与社会成员的关系符合主流价值规范。研究辨析有关社会想象的不同概念,将“技术的社会想象”定义为由经典科幻电影对技术的再现来表达与创设的社会想象。依据机器人分类法与人机交互相关理论对30个人工智能角色编码之后,将相关电影中人工智能的形态、角色、情感性、自主性视为条件变量,通过多值定性比较分析法,分析其组态与作为结果变量的人机关系之间的相关性,研究认为:担任保护或帮助角色,情感真实且自主性有限的AI更可能避免与人类产生冲突对立关系的社会想象,从而更容易被大众接纳。

关键词： 人工智能   机器学习   热电材料   晶格热导率   功率因子  

摘要： 热电材料是一类能实现热能与电能直接相互转换的功能材料,具有环境友好、低噪声输出、高可靠性及易于小型化等优势,在多个领域展现出广阔的应用前景。然而,传统实验与模拟方法往往成本高昂且耗时,使得高性能材料的开发面临巨大挑战。近年来,人工智能在热电材料研究与发现中展现出强大潜力。本文综述了人工智能在预测和优化热电输运性质方面的应用,阐释了其在加速热电材料发现与性能提升中的变革性作用,并进一步总结了当前面临的挑战与未来发展前景。

关键词： AI焦虑   快速发展   广泛应用   人工智能  

摘要： 指人们在面对人工智能技术快速发展和广泛应用时,所产生的焦虑、担忧等情绪。很多人之所以有AI焦虑,是因为自身本领不足,所以恐慌。这种情绪很正常,但大可不必因此陷入情绪泥潭。归根结底,AI是一种科技,是为人所用的工具。

关键词： 生成式人工智能   自然语言处理   Transformer模型   大语言模型   跨领域应用  

摘要： 随着大语言模型近年来的爆炸性发展,生成式人工智能(Artificial Intelligence Generated Content,AIGC)在自然语言处理(Natural Language Processing,NLP)中的应用成为人工智能领域的研究热点。区别于传统的分析与预测模型,生成式模型近年来在自然语言生成(Natural Language Generation,NLG)领域取得了显著进展,包括循环神经网络、长短时记忆网络、生成对抗网络、Transformer模型、变分自动编码器和扩散模型等。这些模型在自然语言领域的不同生成任务中都有着广泛的应用。得益于大语言模型的快速发展,生成式人工智能在问答系统、文本摘要、机器翻译、信息抽取等任务中取得了突出成果。然而,尽管生成式人工智能在自然语言处理中已取得巨大进展,但仍面临诸多挑战。未来,需要进一步优化模型的训练过程,提高其在多任务和跨领域应用中的泛化能力,同时解决生成内容的质量和安全性问题,以满足不断变化的新兴任务的需求。

关键词： 生成式人工智能   教学想象   遮蔽机理   隐忧   超越  

摘要： 教师教学想象是教师对可能的教学方案进行创造性设想和预期的过程。生成式人工智能在赋能教师教学想象的同时,其生成技术逻辑遮蔽了教师教学想象本体性特征,造成了教师教学想象的情感匮乏、情境泛化、创新趋同和主体性消隐。其背后的机理是技术理性对教学想象情感的消解,技术的普适性与想象情境独特性的冲突,算法逻辑对教师教学想象创新的结构性替代,以及人与技术关系的失衡。为解决这些问题,教师必须坚持以主体性引领构建教学想象人机协同新范式,以情感主导构建虚实交融的教学想象情境场域,强化想象风格和批判思维以超越生成式人工智能算法局限,并通过主体重塑引领教师教学想象的本真回归,以此实现生成式人工智能赋能下的教师教学想象超越。

关键词： 卷积神经网络   牛   图像识别   YOLO v10模型   人工智能  

摘要： 【目的】实现精准养殖中牛只活动状态的实时监控,助力养殖户及时识别牛只异常行为,并为牛只的饲料分配、疾病监测及繁殖管理提供支持。【方法】本研究将YOLO v10模型改进为LDCM-YOLO v10n,并基于此对牛只种类及行为进行检测。具体改进如下:首先,在YOLO v10的Backbone端采用C2f-LSKA结构,以增强模型的特征提取能力;其次,引入DySample上采样算子,旨在有效捕捉图像的细微变化与密集语义信息,规避传统上采样方法中存在的图像模糊及感受野受限问题;同时,将YOLO v10中的PSA替换为CloFormer注意力机制,从而更精准地区分牛只特征与背景噪声,并提升小目标识别精度;此外,加入多尺度空洞注意力机制(Multiscale dilated attention mechanism,MSDA),以增强感受野范围内各尺度的聚合语义信息,同时有效减少自注意力机制的冗余;最后,采用Inner-IoU损失函数,解决普通IoU损失函数无法根据目标尺度灵活调整损失计算的问题。【结果】在牛只行为数据集上,LDCM-YOLO v10n模型的mAP@0.50较YOLO v3、YOLO v5、YOLO v6、YOLO v8n、YOLO v9及YOLO v10n模型分别提升15.4、10.7、12.0、8.4、7.9和5.1个百分点;在牛只种类数据集上,LDCM-YOLO v10n模型的mAP@0.50较上述模型分别提升32.4、11.9、10.4、9.5、9.0和6.4个百分点。【结论】LDCM-YOLO v10n模型在牛只行为与种类检测中表现优异,为精准养殖提供了强有力的技术支撑。

关键词： 精准教学   数智赋能   知识图谱   可视化分析   人工智能  

摘要： 在人工智能与大数据技术驱动教育数字化转型的背景下,精准教学是提升教育质量与效果的关键环节,深入剖析其研究现状、热点及发展趋势显得尤为重要。本研究聚焦于精准教学主题,以中国知网(CNKI)收录的相关论文为分析样本,运用CiteSpace软件进行可视化分析,全面揭示了研究机构的分布情况、研究者之间的合作网络、关键词的共现特征,以及通过核心关键词聚类形成的热点研究领域,旨在深化我国数智赋能精准教学的理论研究,推动实践探索与应用创新,进而促进教育技术领域的整体发展与进步。