摘要：课程思政是新时代加强和改进高校思想政治工作的重要保证,也是今后课程教学改革的重要方向,文章以《妇产科护理学》为例,从思想政治理论的专业视角出发,结合妇产科护理的具体课程内容,以师生共创模式挖掘课程中的思政元素,包含科学严谨、创新发展;学习楷模、奋力担当;尊重生命、以人为本;民族自信、顽强拼搏;懂法依法、忠于职守,协同妇产科护理专业教师共同育人,将主要内容分为课前预期评估、课中共创教学和课后共同反思三个环节,通过教师和护生共同参与每个环节的思考、建设及总结,从而促进学生自主的专业技术技能与思想道德素质的同步提升。

摘要：随着生物反馈技术的普及,人们很可能在未来的10—20年实现感官增强和智能增强。此外,随着物联网的发展,人们控制世界的手段也将大大拓展。这些可穿戴设备和移动终端将深远地改变人与环境互动的方式。从可穿戴设备、生物传感器、情感计算等软硬件技术进步开始,介绍它们为环境体验测量和绿色开放空间的健康效益评价等方面研究与应用提供的新机遇,以及给环境设计带来的技术革新。在此基础上,简要介绍近四年来课题组在环境感知测量及设计决策支持方面的研究进展,主要包括基于脑电测量恢复性环境对认知水平的影响、基于自主神经反馈的环境情感地图分析和情绪测量等方面实验初步结论。

摘要：针对数智化时代津派旗袍定制创新性不足、缺乏个性化设计和生产复杂等问题,从数智化编码的角度引入模块化理论,围绕消费者的个性化需求,对津派旗袍模块化个性定制设计进行研究。结合津派旗袍形式特征和线上线下结合的模式,对津派旗袍的个性化定制进行4级模块划分,并对襟型、领型、袖型等7个服装关键部件进行编码设定,提出一套创新的模块划分和设计方法,并构建津派旗袍模块化个性定制APP。以模块为设计单元的津派旗袍个性定制设计在消费者满意度及服装定制效果上均得到较大改善,且在实际应用中验证了其可行性。通过模块化、编码化的数智手段将现代科技与津派旗袍相结合,为传统服饰在数智化时代的个性化定制提供思路。

摘要：多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F^(3)模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F^(3)模型能够有效地实现部分多模态哈希,并可应用于大规模多模态数据检索.

摘要：通过混合研究方法调查国内游艇旅游业现状和趋势、消费者需求和期望以及游艇会服务流程。运用服务设计研究工具对数据进行整理分析,基于分析数据展望游艇旅游服务模式创新。目前,国内游艇旅游服务可分为商务接待、休闲出游和主题活动等三大核心需求场景。各场景下服务趋同,缺乏特色;服务质量偏低;行业缺少对数字化工具、物联网和智能化技术的应用。提出需要通过智能化和数字化加持实现产业的系统化创新,建立集成型智能化管理平台,搭建服务生态体系、助力提升服务效率和质量,从而优化游艇旅游服务体验。

摘要：目的 对重症患儿在院期间进行的基于患者报告结局的健康测量的应用相关文献进行范围审查,剖析该领域目前的研究特点和进展。方法 以Arksey范围综述方法学为框架,系统检索包括PubMed、The Cochrane Library、CINAHL、Embase、中国知网、万方数据库、维普中文科技期刊数据库和中国生物医学文献数据库,对各数据库建库至2023年1月25日的中英文原始研究文献进行检索和筛选,汇总纳入文献信息并分析。结果 最终纳入文献19篇。基于患者报告结局的重症患儿院内健康测量主要应用于以疼痛和心理健康为主的症状功能评估、健康相关生活质量评估,以及临床干预效果评价。重症监护(intensive care unit ICU)期间的自我报告主要是单维疼痛强度评估,其他更多基于自我报告的测量评价集中在ICU转出前后至出院前。临床以联合使用多种或多维测量工具为主,工具多为普适性,多数工具存在显著的年龄覆盖范围问题。结论 在重症患儿院内照护过程中对其自我报告的健康结局进行标准化测量是提高医疗照护质量、促进患儿院外康复和健康成长的重要保障。但目前重症患儿院内患者报告结局测量的研究与实践均处于较初级阶段,有必要扩大重症患儿院内自我报告健康结局的应用领域、时间范围和形式等,谨慎选择科学全面的患者报告结局测量工具,强化院内基线测量并开展高质量纵向追踪研究,以全面描绘重症患儿的全程健康,提高患儿长期生存质量。

摘要：可视化与可视分析已成为众多领域中结合人类智能与机器智能协同理解、分析数据的常见手段。人工智能可以通过对大数据的学习分析提高数据质量,捕捉关键信息,并选取最有效的视觉呈现方式,从而使用户更快、更准确、更全面地从可视化中理解数据。利用人工智能方法,交互式可视化系统也能更好地学习用户习惯及用户意图,推荐符合用户需求的可视化形式、交互操作和数据特征,从而降低用户探索的学习及时间成本,提高交互分析的效率。人工智能方法在可视化中的应用受到了极大关注,产生了大量学术成果。本文从最新工作出发,探讨人工智能在可视化流程的关键步骤中的作用。包括如何智能地表示和管理数据、如何辅助用户快速创建和定制可视化、如何通过人工智能扩展交互手段及提高交互效率、如何借助人工智能辅助数据的交互分析等。具体而言,本文详细梳理每个步骤中需要完成的任务及解决思路,介绍相应的人工智能方法(如深度网络结构),并以图表数据为例介绍智能可视化与可视分析的应用,最后讨论智能可视化方法的发展趋势,展望未来的研究方向及应用场景。

摘要：近年来,知识图谱问答在医疗、金融、政务等领域被广泛应用。用户不再满足于关于实体属性的单跳问答,而是更多地倾向表达复杂的多跳问答需求。为了应对上述复杂多跳问答,各种不同类型的推理方法被陆续提出。系统地介绍了基于嵌入、路径、逻辑的多跳知识问答推理的最新研究进展以及相关数据集和评测指标,并重点围绕前沿问题进行了讨论。最后总结了现有方法的不足,并展望了未来的研究方向。

摘要：针对多模态态势存在知识表示困难、知识化过程复杂、多模态知识难以融合、知识智能应用程度低等难题,提出了面向战场态势感知多模态数据及知识的统一知识表示模型,实现了事实类知识、动态事件、规则知识和多模态知识等高效表示。在此基础上,引入基于知识图谱的表示学习技术,为多模态数据及知识的统一处理提供了方法,可支撑多模态知识的提取、融合、补全和联合学习,从而实现战场态势感知知识图谱的构建;最后,以表示学习为基础,提出了基于态势感知知识图谱的知识推理框架,实现能力强、高效率、可解释的复合推理,为上层应用提供实现途径。