素描“概念”化认识对造型的影响

对素描的认识,往往受到约定俗成的＂概念化＂的影响,并把它当作放之四海皆准的标准和规律,而很少从素描本质上去进行思考,这使我们走进对素描造型认识上的误区。在20世纪人类精神的多种指向与对自身认识深化的今天,对概念与造型关系的正确认识有助于明确素描今后发展方向。     

意图与有意图的行动

意图与有意图的行动之间的关系是行动哲学的一个重要问题。对于这个问题,有两种针锋相对的观点,即意图优先进路与有意图的行动优先进路。本文试图表明,意图优先进路是行不通的。任何将有意图的行动分解为意图和中性要素的做法都会在它们之间产生一个无法填平的裂隙。因此,应该像有意图的行动优先进路一样,将有意图的行动看作是形而上学意义上基本的自然类,用它来解释意图。这意味着,在实践理性领域,占中心地位的是有意图的行动而不是意图。     

拜登政府科技创新政策动向：战略意图、行动逻辑及对华潜在风险

拜登执政后美国科技创新政策相较特朗普政府时期发生了变化,政策动向可归纳为夯实美国科技基础、推进美国“再工业化”、封锁科技出口渠道、建立“排华”同盟体系等4个方面。战略意图为通过政策组合拳巩固美国科技领导地位,寻求在国际上的科技新优势,试图把中国排除在关键科技发展的技术轨道之外,将来自中国的威胁降到最低。行动逻辑是以“硬实力”为支撑、以“软实力”为抓手,于内增强科技实力,于外建立联盟体系;以竞争性共存为方向,建立对中国的战略防范,寻求中美关系的新平衡。在明晰其战略意图和行动逻辑的基础上,分析出拜登政府科技创新政策的对华潜在风险表现为压缩中美合作空间、阻断对华高科技供给、抢夺中国人才资源、阻碍中国国际科技交流与合作、剥夺中国国际标准制定话语权等。     

能动性问题与能动性增强——行动哲学视角下的脑机接口技术

脑机接口(BCI)技术是一种具有广泛应用前景的新兴技术,它能让思想控制外部设备以完成相关行为。从行动哲学的角度看,BCI-媒介行为似乎可以作为有意行动,但这会产生一个能动性问题,即它的能动机制与人类的能动机制的差异会引发理解上的困境。已有的行动理论,特别是行动因果论,都不能很好地解释BCI-媒介行为产生的能动性问题。如果仅仅把BCI-媒介行为看作能动性增强的结果,那么由BCI技术产生的能动性问题可以得到一定程度的化解。此外,把BCI技术看作一种能动性增强技术,还有助于更好地理解由BCI技术引发的伦理和法律问题。     

行为中的主动控制感与责任归属

人类通过行为与环境发生交互作用.主动控制感指通过控制自己行为进而控制外部环境的主观体验,为责任归属的产生奠定了基础.本文梳理了主动控制感的影响因素、脑机制及其对责任归属的启示.个体行为中的主动控制感和责任易受到动作意图、结果效价及其相互关系的影响.群体行为中,控制感产生和责任归属与群体身份、社会地位等因素有关.控制感水平的测量在一定程度上能为道德和法律提供责任界定的依据.进一步关联主动控制感与责任归属需更关注负责动作意图和结果觉察加工的额-顶脑网络,如前辅助运动区、后侧顶叶、颞顶联合区等脑区.未来的研究需提高测量的信效度,并探索将主动控制感应用于道德与法律领域的可行性.     

基于网络日志的用户查询推荐

随着Internet的迅速发展,人们面对信息爆炸的现实。因此,需要根据用户的查询意图进行推荐。基于此,提出一种计算查询词相似度的方法,利用K-means对查询词进行聚类并计算聚类簇中心,当用户输入查询词后计算该查询词与每个聚类簇中心的相似度并降序排列,选取相似度最大的两个聚类簇对其进行查询推荐。     

文学阅读类型假说

以读者探寻创作意图为宗旨,把文学阅读分为五类:AB重合型、A小于B型、A大于B型、AB背离型、AB交叉型(A为读者阅读到的意蕴,B为创作意图),并分别加以论述.     

企业执行力

所谓执行力，指的是贯彻战略意图，完成预定目标的操作能力。它是企业竞争力的核心，是把企业战略、规划转化成为效益、成果的关键。     

浅谈语文课堂有效教学

当代丹麦语言学家叶斯大林·帕森曾说：“把孩子们投入到语言的海洋”。一堂充满语文味的课，一定是孩子们语言表达得较多的课，也一定是一堂有效的语文课。那么所谓“有效”，主要是指教师为实现教学目标或教学意图所采取的行为方式能激起学生的学习动机，使学生想学，并通过教师在一段时间的教学之后，学生获得进步或发展。     

基于用户意图的搜索结果文本突显方法

信息检索效率在很大程度上取决于用户看到的搜索引擎结果页面所提供的内容.目前,红色突显查询词是商业搜索引擎结果页面主要采用的文本展示方式,但由于查询词可能表达模糊或者包含噪音,与用户的查询意图往往不能完全一致.为了能够充分地反映用户的查询意图,同时突显对于满足用户查询意图最重要的词语,基于人工标注的结果提出一种新的关键词突显策略;综合结构化支持向量机、隐马尔科夫、最大间隔马尔科夫网络及条件随机场4种基础的序列标注机器学习模型,进一步提出一种新的联合序列学习模型并进行用户搜索实验.实验结果表明:该种模型优于4种基础模型,与人工标注的结果相比取得了93.30%的准确率;所提出的关键词突显策略明显优于传统的查询词突显策略,提高了用户的满意度及搜索效益.