课程文献中心 更多>>

关键词： 人工智能技术   档案管理   安全  

摘要： 随着信息技术的快速发展,档案管理正经历着从传统模式向数字化、智能化方向的转型。为提高人工智能技术在档案管理中的应用效果,本文从技术、管理与实施、数据安全与隐私保护、伦理与法律、标准化与规范化等方面对人工智能技术在档案管理中的应用存在的问题进行了总结,并对应用方向和应用效果进行了分析,从而更好地提高档案管理的质量。

关键词： 智慧医疗   人工智能   大型语言模型   数据隐私保护   数据安全  

摘要： 随着人工智能技术的快速发展,智慧医疗已成为提高医疗质量和服务效率的关键途径。系统性搜集、筛选和综合分析近年来发表的相关研究文献,深入剖析人工智能在智慧医疗领域的技术应用、现存挑战以及其未来的发展方向。研究发现,虽然人工智能在提高疾病诊断准确性、治疗效率和改善患者管理方面展示出巨大潜力,但仍面临数据隐私保护、跨平台数据整合以及医疗专业人员对新技术的接受度等挑战。人工智能在医疗行业的进一步发展需依赖于政策规划者、技术开发者与医疗服务提供者的紧密协同,同时需充分考虑法律伦理。未来研究应聚焦于相关技术的持续优化与创新,尤其是保障数据安全与促进跨领域合作方面。

关键词： 成釉细胞瘤   病理诊断   人工智能   口腔病理学   U-net网络   mIoU   ROC曲线  

摘要： 目的:研究人工智能用于成釉细胞瘤病理诊断的效果,初步探索人工智能在口腔病理学领域中的应用。方法:以90例成釉细胞瘤的病理图像作为研究对象,构建U-net型结构的神经网络,将90幅成釉细胞瘤的H-E图像分为训练集72幅图、验证集9幅图和测试集9幅图,分别用于训练模型和测试模型,最后利用平均交并比(mean intersection over union,MIoU)和受试者工作特征(receiver operating characteristic,ROC)曲线评价U-net网络模型在成釉细胞瘤上皮识别中的能力。结果:U-net模型分割阴性区域的mIoU为0.818,分割阳性区域的mIoU为0.846,ROC曲线下面积为0.92。结论:U-net网络模型对成釉细胞瘤阳性区域和阴性区域具有良好的分割结果,同时能够鉴别阴性切片与阳性切片,能够初步用于成釉细胞瘤的病理诊断,有望进一步大样本验证后在临床逐步推广。

关键词： 生成式人工智能   学习模式   协同探究   对话策略  

摘要： 基于生成式人工智能的学习模式构建与应用是当下教育者关注的热点。本研究在剖析生成式人工智能应用于学习的潜在风险和相关学习模式不足的基础上,以建构主义学习、联通主义学习和社会文化等理论为基础,构建了基于生成式人工智能技术的,以学习与创新深度融合为取向的,显著体现协同、探究特征的协同探究智创模式,并阐释了该模式的定义、核心要素和实践模式。在此基础上,本研究针对模式应用中的提问和对话、任务设计以及学习评价等关键实施要素提出操作建议,尤其是在“人工智能质询”环节,强调以思想引领和讨论启发为要领的提问和对话流程。研究最后从增强人机协同能力、应用解释式人工智能和整合场景小模型等角度提出协同探究智创模式发展的未来图景。协同探究智创模式可促进学习者在开放、互动环境中探索问题、生成知识和创新实践,实现学习与创新深度融合,可更好地回应新质人才培养需求。

关键词： 生成式人工智能   开放教育   学习支持服务  

摘要： 生成式人工智能在全球掀起了新一轮的技术热潮,为教育领域变革带来了巨大机遇,人工智能与教育融合并走向场景落地成为必然。开放教育以线上远程教育为主要模式,人工智能技术能够提供高效的学习支持服务。本文探讨了生成式人工智能在开放教育学习支持服务中导学、助学和促学三个方面的潜在应用场景,提出了实施的具体路径:采用“预训练+微调”模式开发教育应用;重塑教育主体关系;提升人工智能数字素养;保障个人隐私、数据安全和伦理规范。

关键词： 机器学习   新型冠状病毒感染   森林图   人工智能   极端梯度提升(XGBoost)   预后   预测模型  

摘要： 目的探讨影响新型冠状病毒感染(novel coronavirus pneumonia;别名corona virus disease 2019,COVID-19)重症病人预后的危险因素,建立预测模型并进行验证,进而准确地评估COVID-19重症病人的不良预后。方法收集2022年11月1日至2023年7月1日沧州市中心医院收治的526例COVID-19重症病人的临床指标与结局(院内28 d内死亡或存活)。用于R软件“caret”包,将526例病人按7∶3的比例拆分为两组:训练集(n=369)用于模型训练,测试集(n=157)用于模型验证。利用极端梯度提升(XGBoost)、随机森林(RF)2种机器学习算法构建病人临床结局的预测模型,应用SHAP进行XGBoost模型可解释性分析,分别得出影响病人预后的变量。将RF和XGBoost得出的变量取交集得到差异有统计学意义的变量,进而构建决策树模型。最后,在训练集和测试集上利用受试者操作特征曲线(ROC曲线)、曲线下面积(AUC)评估所决策树模型的预测性能。结果通过XGBoost模型得到与院内死亡相关的变量15个,随机森林模型得到与院内死亡相关的变量23个,两种模型取交集得到13个与院内死亡相关性最强的重要变量(白细胞介素-6、N端脑钠肽前体、白蛋白、超敏肌钙蛋白I、淋巴细胞、血乳酸、α-羟丁氨酸、肌酸激酶同工酶、动脉血氧分压、年龄、尿素氮、血红蛋白、乳酸脱氢酶)。用这13个重要变量构建决策树模型,得出2个与病人死亡最相关的变量(白细胞介素-6、淋巴细胞),死亡组病人的白细胞介素-6为155.48(42.81,691.3)ng/L,显著高于存活组15.38(10.51,31.11)ng/L(Z=37387.50,P<0.001)。死亡组病人的淋巴细胞为5.4(3.3,12.6)%,显著低于存活组13.5(8.62,22.28)%(Z=10584.50,P<0.001)。在训练集上的决策树模型预测COVID-19重症病人死亡的AUC为0.86,在测试集上的AUC为0.84。结论基于XGBoost和随机森林这2种机器学习方法构建的决策树模型能够更准确地评估COVID-19重症病人的不良预后。

关键词： 循证教育   人工智能   教育证据   研究范式   教育决策  

摘要： 循证教育是教育科学化的产物。传统循证教育研究范式在证据体系的划分、研究方法的应用等方面一直存在矛盾与争议。随着人工智能等技术的发展,基于古典统计学思想的第一代循证教育也必然随之进化和发展。文章从循证教育内涵、各国实践路径与研究范式出发,通过追溯、推理、反思与技术转换,探讨了智能技术支持下由群体决策到个性化分析的新一代循证教育研究模型,沿着问题发现、群体证据分析、个性化证据分析、循证决策生成的路径,提出利用知识表示和推理技术支持情境性证据生成、基于数据索引技术的群体循证干预、基于学习数据的个性化精准预测与推断、基于机器学习算法辅助生成教育决策的循证教育范式转向。

关键词： 人工智能   人工智能教育应用   学校教育   深度融合   实施机制  

摘要： 人工智能在推进教育数字化建设、赋能教育高质量发展中发挥着重要作用。人工智能技术的发展历经符号主义与逻辑推理主导的萌芽期、专家系统与知识驱动的探索期、机器学习与统计模型崛起的转型期、深度学习与大数据驱动的爆发期,以及以大语言模型为代表的通用人工智能前沿期五个时期,与教育的融合可分为浅层交互、系统优化和深度融合三个阶段。每一技术节点的突破都进一步促进了人工智能与教育融合的进程,揭示出技术革新在教学范式塑造中的强大驱动力。人工智能与教育的深度融合不仅是技术赋能教育发展的应用手段,更是对教育组织形态和教育生态的彻底重塑。基于教育变革理论和行动者网络理论,进一步推进学校教育与人工智能深度融合的实施机制涵盖需求分析与规划、资源配置与管理、应用过程与运行、评估与持续改进等多个环节,需建立数据驱动的动态需求识别与动态规划机制,构建智能调控的资源配置结构与协同管理体系,设计自适应智能教学系统与适应性学习环境,完善基于学习分析的精细化评估体系与闭环反馈机制。

关键词： 生成式人工智能   赋能教学   赋能   陷阱  

摘要： 2025年初DeepSeek大模型爆发式应用,大量案例表明生成式人工智能(GAI)正在深度融入教育教学。本文基于建构主义与技术批判双重视角,从GAI辅助教学的技术机制与原理出发,揭示GAI在教学中的赋能路径与潜在风险。研究发现:在“梯”的维度,GAI可促进学习者个性化认知觉醒,辅助学习者全方位能力提升和赋能学习者核心素养发展;在“坑”的维度,教育者要特别注意如果不分学科采纳GAI辅助教学案例、学习者数字素养不均、学习者依赖GAI现象产生时,GAI可能为学习者带来负面作用。本研究为平衡技术效率与教育本质提供了理论框架与实践路径。

关键词： 智能思政   人工智能   高校思政课   数字化转型  

摘要： 在数字化转型战略导向下,人工智能与高校思政课的有机融合为思政课要素创新升级赋予新动能,这是精准定位教育客体需求、优化创新教育教学过程、有效拓展教学新形态、科学精准评价教学结果的理性选择。人工智能以其高效、科学、精准的数据采集分析功能为高校思政课创新发展带来诸多机遇,但同时其刻板化、机械化、流程化的缺点又给高校思政课带来了许多困难与挑战,具体体现为:对智能技术的过度依赖降低了思政课教学的人文思辨性,智能教育内容易陷入泛娱乐化、碎片化的境地,智能教育过程忽视学生的主体地位,智能教育评价标准单一、刻板化。围绕其发展困境,应从育人实效、育人内容、育人环境、育人评价四个方面着手,从技术依赖走向协同并行、从娱乐性向正规性转变、转变技术导向突出学生主体地位、以多元评价代替单一评价等方面优化人工智能赋能高校思政课的路径,以落实高校立德树人根本任务,全面提升高校思政课铸魂育人实效。