2237 पेपर
यह मिश्रित-विधि अध्ययन प्रदर्शित करता है कि एक एआई-संचालित शिक्षण हस्तक्षेप ने ग्रामीण न्यू मैक्सिको के विकलांग शिक्षार्थियों के बीच विज्ञान अवधारणा प्रतिधारण, प्रयोगशाला प्रदर्शन और छात्र जुड़ाव में महत्वपूर्ण सुधार किया, जो न्यायसंगत शिक्षा के लिए एक परिवर्तनकारी उपकरण के रूप में इसकी क्षमता को सिद्ध करता है।
यह शोध पत्र तर्क देता है कि एआई अखंडता (AI integrity), जिसे बैकडोर्स जैसे अनधिकृत संशोधनों से एआई प्रणालियों की सुरक्षा के रूप में परिभाषित किया गया है, सीआईए (CIA) त्रयी के भीतर राष्ट्रीय सुरक्षा का एक महत्वपूर्ण लेकिन उपेक्षित स्तंभ है, जिसे गोपनीयता (confidentiality) या उपलब्धता (availability) की तुलना में बहुत कम ध्यान दिया जाता है।
यह शोध पत्र एक ऐसा ढांचा प्रस्तावित करके एआई प्रणालियों में "अपडेट अपारदर्शिता" (update opacity) की शासन चुनौती को संबोधित करता है जो महत्वपूर्ण रूप से प्रासंगिक परिवर्तनों के सीमा-आधारित प्रकटीकरण को लागू करने के लिए यूरोपीय संघ के एआई अधिनियम और मशीन लर्निंग ऑपरेशंस को जोड़ता है, जिससे सूचना के अतिभार (information overload) का कारण बने बिना उपयोगकर्ताओं के लिए ज्ञान संबंधी सुलभता (epistemic accessibility) सुनिश्चित की जा सके।
यह शोध पत्र उत्तर कैरोलिना स्टेट यूनिवर्सिटी में एक डिज़ाइन-आधारित कार्यान्वयन से प्राप्त अवलोकनात्मक निष्कर्षों के समर्थन के साथ, शिक्षकों को छात्रों की प्रगति को टालने या बिना सोचे-समझे निर्भर रहने से लेकर एआई (AI) के साथ जिम्मेदार और आलोचनात्मक जुड़ाव की ओर निदान करने और मार्गदर्शन करने में मदद करने के लिए एक व्यावहारिक पांच-चरणीय एआई साक्षरता निरंतरता (AI literacy continuum) प्रस्तावित करता है।
यह शोध पत्र टेक्स्ट-टू-इमेज एआई मॉडल में जाति को एक स्थिर पहचान श्रेणी के रूप में मानने की पारंपरिक पद्धति को चुनौती देते हुए एक संबंधपरक सत्तामीमांसा (रिलेशनल ऑन्टोलॉजी) की ओर स्थानांतरित होता है जो यह उजागर करती है कि जातिगत पूर्वाग्रह सरल द्वैतवादों से परे कैसे कार्य करता है, और अंततः जनरेटिव एआई प्रणालियों में भेदभाव को संबोधित करने और निष्पक्षता में सुधार करने के लिए एक जाति-विरोधी ढांचे का प्रस्ताव देता है।
यह अध्ययन 162 छात्रों के इंटरेक्शन लॉग्स पर लर्निंग एनालिटिक्स और एपिस्टेमिक नेटवर्क एनालिसिस का उपयोग करके यह प्रदर्शित करता है कि जेनरेटिव एआई (GenAI) साक्षरता को विशिष्ट प्रश्न पूछने के पैटर्न, जैसे कि पुनरावृत्ति परिशोधन (इटरेटिव रिफाइनमेंट) बनाम प्रत्यक्ष आदेश, के माध्यम से प्रभावी ढंग से अभिलक्षित किया जा सकता है, जो पारंपरिक स्व-रिपोर्ट किए गए मूल्यांकनों के लिए एक डेटा-संचालित विकल्प प्रदान करता है।
यह अध्ययन प्रदर्शित करता है कि कैसे 'कोविड डेटा फॉर शेयर्ड लर्निंग' (COVID Data for Shared Learning) डेटासेट पर लागू प्रोसेस माइनिंग, कोविड-19 क्लिनिकल पाथवे को पुनर्गठित और विश्लेषित कर सकता है ताकि देखभाल की परिवर्तनशीलता और परिणामों के चालकों को प्रकट किया जा सके, जिससे अस्पताल के शासन, ट्राइएज मानकीकरण और क्षमता नियोजन के लिए कार्रवाई योग्य अंतर्दृष्टि प्राप्त हो सके।
यह शोध पत्र TransResAI को प्रस्तुत करता है, जो एक संकर (compound) AI प्रणाली है जो तटीय परिवहन बुनियादी ढांचे के लिए बाढ़-लचीलापन विश्लेषण को महत्वपूर्ण रूप से तेज और सरल बनाने के लिए बड़े भाषा मॉडलों (LLMs) को विशिष्ट भू-स्थानिक और सिमुलेशन उपकरणों के साथ एकीकृत करती है, जिससे गैर-विशेषज्ञ अभ्यासकर्ताओं के लिए उच्च सटीकता बनाए रखते हुए कार्य पूरा करने के समय को 88% तक कम किया जा सकता है।
यह शोध पत्र तर्क देता है कि नैदानिक एआई (AI) प्रणालियाँ वास्तव में चिकित्सा विनियमन के रूप में कार्य करती हैं और एक द्वंद्वात्मक देखभाल मानक (dialectical standard of care) का प्रस्ताव करता है जो एकीकृत एआई-चिकित्सक युग्म को एक एकल उत्तरदायी इकाई के रूप में मानता है, जिससे एल्गोरिदम और मानवीय नैदानिक विफलताओं का शासन एकीकृत हो जाता है।
यह स्थिति पत्र तर्क देता है कि प्रभावी एआई गवर्नेंस को पारंपरिक मॉडल-स्तर के प्रतिमान से आगे बढ़कर "नॉन-मॉडल गेन्स" (गैर-मॉडल लाभों)—जैसे कि इन्फरेंस, सिस्टम्स और एसेट सुधारों—को संबोधित करना चाहिए, जो तेजी से क्षमता को बढ़ा रहे हैं और परिनियोजन-पूर्व जोखिम प्रबंधन रणनीतियों को कमजोर कर रहे हैं।