简介:摘要目的采用人工智能人脸识别技术(简称人脸识别技术)实时评估医学生课堂专注度,评价其在应用中的可靠性。方法2021年10月,选取北京大学口腔医学院2018级五年制和八年制口腔医学专业80名学生为研究对象,收集其在牙体解剖学8个课时的课堂录像,采用人脸识别技术对录像资料转换的图片(每秒抽取1帧)进行人脸分析,用随机函数抽取全部图片数据的1/5作为检测数据集并输出其识别"专注"学生的人脸数量,同时由授课教师肉眼观察学生面部状态以进行"专注"学生的人工识别,计算人脸识别的准确率和查全率。通过Wilcoxon检验和组内相关系数(intraclass correlation coefficient,ICC)进行数据分析。结果对21 600张图片的"专注"学生进行人脸识别,4 320张图片作为检测数据集,人脸识别的准确率为90.4%(41 288/45 668),查全率为81.4%(41 228/50 648)。人脸识别(378 830人次)和人工识别(345 689人次)专注"学生的差异无统计学意义(P=0.109);二者呈中等程度相关(ICC=0.65,P=0.026)。结论人脸识别技术能够有效判断医学生在课堂上的专注程度,可以为实时评估教学效果提供有效技术支持。
简介:摘要:信息系统的快速发展使得人力资源的管理更加精确化,现有的人力资源管理系统已经实现了全要素信息的管理。本文提出了基于数据的一种人才实时评价方法,利用人力资源管理系统的数据,通过信息处理、综合评价、多层次展示的方式,将人力资源管理系统的数据转化为直观的人才综合评价结果,并自动推荐人才培养方案,提高人力资源管理工作中的人才考评实时性和合理性。
简介:摘要:现有配电设备故障风险评估方法在因素分析方面不够全面,未能综合考虑天气等环境因素与设备健康状态因素对设备故障风险的影响,且数据来源主要为长期历史数据,缺乏时效性。为解决此问题,本文提出了一种配电设备实时故障风险评估方法,结合天气状况、设备状态两大因素计算配电设备实时故障概率,通过负荷损失量、停电用户数量、负荷重要等级三个因素评估配电设备故障影响程度,并以设备故障概率和故障影响程度为准则建立风险评估模型。通过IEEE⁃RBTSBUS2算例分析,证明该模型能够有效评估配电设备实时故障风险,对于电力企业优化设备检修工作,提升应急管理水平具有重要的指导意义。