对从Web of Science和中国知网核心数据库检索得到的2013—2022年间252篇国内外有关算法技术异化的文献,通过文献计量方法提炼出其“内涵特征—异化归因—算法治理”的逻辑框架,系统梳理出其整合性的研究框架。结果显示,算法概念主要有...对从Web of Science和中国知网核心数据库检索得到的2013—2022年间252篇国内外有关算法技术异化的文献,通过文献计量方法提炼出其“内涵特征—异化归因—算法治理”的逻辑框架,系统梳理出其整合性的研究框架。结果显示,算法概念主要有广义、狭义以及中义3个层面,技术异化则主要从技术非中立以及对人的负面效应两个角度进行考察;异化归因从主体维度主要包括社会范畴化、算法“黑箱”效应、非人性化以及挖掘敏感属性等主流原因,从交互维度则主要包括数据的社会性、操作的干预性、应用的市场化等;而算法治理可大致划分为算法技术本身的完善、国家法律层面的规制问责,企业层面的社会责任履行以及社会生态各主体的共同治理。由此,基于“What/Why/How”3个经典问题总结出算法技术异化的整体研究框架,并给出未来在技术向善、算法企业责任范式进阶、合力治理等三方面的重点研究方向。展开更多
随着人工智能技术的发展,深度学习在体育领域的研究与应用也在逐渐增多。将人工智能技术应用于竞技体育运动视频分析,既是国内外理论研究关注的热点,也是促进竞技体育高质量发展的有效手段。通过Google Scholar、中国知网、Web of Scie...随着人工智能技术的发展,深度学习在体育领域的研究与应用也在逐渐增多。将人工智能技术应用于竞技体育运动视频分析,既是国内外理论研究关注的热点,也是促进竞技体育高质量发展的有效手段。通过Google Scholar、中国知网、Web of Science及SPORTDiscus数据库检索文献,并进行系统的整理与分析,回顾近10年来国内外基于深度学习的运动表现视频分析技术研究,包括深度学习算法、计算机视觉等在体育分析领域的应用现状,揭示深度学习在运动分析领域的潜在应用,探索深度学习作为分析体育运动的工具的潜力。目前在运动员及球跟踪、动作行为分析和表现评价方面,基于深度学习的分析方法已经表现出了良好的性能,未来拥有着巨大的发展潜力。展开更多
目的:利用CiteSpace软件对国内外人工智能脊柱领域研究进行可视化分析并创建知识图谱,通过分析人工智能脊柱领域在国内外的发展,对比国内外人工智能脊柱领域的研究热点,为相关研究提供参考。方法:中文数据检索以最新版本中国知网(CNKI)...目的:利用CiteSpace软件对国内外人工智能脊柱领域研究进行可视化分析并创建知识图谱,通过分析人工智能脊柱领域在国内外的发展,对比国内外人工智能脊柱领域的研究热点,为相关研究提供参考。方法:中文数据检索以最新版本中国知网(CNKI)数据库,使用“人工智能”和“脊柱”为主题词进行高级检索;英文文献数据检索以Web of Science核心合集为数据来源,检索式为“TI=(Artificial Intelligence*)And TI=(Spine*)”,从检索结果中排除会议、报纸、重复等不符合研究对象的文献,最终得到人工智能脊柱领域的57篇中文文献和124篇英文文献,导入CiteSpace信息可视化软件进行统计分析,对文献进行热点分析、国家机构分析、文献计量学可视化分析。结果:人工智能脊柱领域发文最多的国家是美国,中国位列第三名。我国人工智能脊柱领域出现频率最多的关键词是机器人、人工智能、深度学习。国际出现次数最多的关键词是classification、diagnosis、model。我国在人工智能脊柱领域发表中文文献最多的机构是海军军医大学第二附属医院,国外发表人工智能脊柱领域文献最多的机构是Harvard Med Sch。结论:对人工智能脊柱领域我国与国际进行研究时间基本同步,国内以独自研究为主,建议加大多机构协同研究,争取在相关领域与国际接轨。展开更多
文摘对从Web of Science和中国知网核心数据库检索得到的2013—2022年间252篇国内外有关算法技术异化的文献,通过文献计量方法提炼出其“内涵特征—异化归因—算法治理”的逻辑框架,系统梳理出其整合性的研究框架。结果显示,算法概念主要有广义、狭义以及中义3个层面,技术异化则主要从技术非中立以及对人的负面效应两个角度进行考察;异化归因从主体维度主要包括社会范畴化、算法“黑箱”效应、非人性化以及挖掘敏感属性等主流原因,从交互维度则主要包括数据的社会性、操作的干预性、应用的市场化等;而算法治理可大致划分为算法技术本身的完善、国家法律层面的规制问责,企业层面的社会责任履行以及社会生态各主体的共同治理。由此,基于“What/Why/How”3个经典问题总结出算法技术异化的整体研究框架,并给出未来在技术向善、算法企业责任范式进阶、合力治理等三方面的重点研究方向。
文摘随着人工智能技术的发展,深度学习在体育领域的研究与应用也在逐渐增多。将人工智能技术应用于竞技体育运动视频分析,既是国内外理论研究关注的热点,也是促进竞技体育高质量发展的有效手段。通过Google Scholar、中国知网、Web of Science及SPORTDiscus数据库检索文献,并进行系统的整理与分析,回顾近10年来国内外基于深度学习的运动表现视频分析技术研究,包括深度学习算法、计算机视觉等在体育分析领域的应用现状,揭示深度学习在运动分析领域的潜在应用,探索深度学习作为分析体育运动的工具的潜力。目前在运动员及球跟踪、动作行为分析和表现评价方面,基于深度学习的分析方法已经表现出了良好的性能,未来拥有着巨大的发展潜力。
文摘目的:利用CiteSpace软件对国内外人工智能脊柱领域研究进行可视化分析并创建知识图谱,通过分析人工智能脊柱领域在国内外的发展,对比国内外人工智能脊柱领域的研究热点,为相关研究提供参考。方法:中文数据检索以最新版本中国知网(CNKI)数据库,使用“人工智能”和“脊柱”为主题词进行高级检索;英文文献数据检索以Web of Science核心合集为数据来源,检索式为“TI=(Artificial Intelligence*)And TI=(Spine*)”,从检索结果中排除会议、报纸、重复等不符合研究对象的文献,最终得到人工智能脊柱领域的57篇中文文献和124篇英文文献,导入CiteSpace信息可视化软件进行统计分析,对文献进行热点分析、国家机构分析、文献计量学可视化分析。结果:人工智能脊柱领域发文最多的国家是美国,中国位列第三名。我国人工智能脊柱领域出现频率最多的关键词是机器人、人工智能、深度学习。国际出现次数最多的关键词是classification、diagnosis、model。我国在人工智能脊柱领域发表中文文献最多的机构是海军军医大学第二附属医院,国外发表人工智能脊柱领域文献最多的机构是Harvard Med Sch。结论:对人工智能脊柱领域我国与国际进行研究时间基本同步,国内以独自研究为主,建议加大多机构协同研究,争取在相关领域与国际接轨。
