• 通過多模型數據庫系統中的索引選擇方法優化存儲策略：一項調查

  本文系統分析多模型數據庫系統中的索引選擇問題，對比關系型、文檔型、圖數據庫等主流系統的存儲策略與索引機制，評估現有單模型數據庫索引算法在多模型環境下的適用性，揭示算法在數據異構性、查詢模式多樣性及計算復雜度方面的局限性，并提出未來研究方向。

  來源：Data & Knowledge Engineering

  時間：2026-02-23

• 數字化轉型如何通過服務創新驅動可持續供應鏈績效？基于資源基礎觀的實證研究

  本研究針對在數字化轉型（DT）背景下，如何通過服務創新（SI）提升制造業可持續供應鏈績效（SSCP）這一核心問題，聚焦于A股上市制造企業樣本，深入探索了DT對SSCP的直接影響及其通過服務產品創新（SPI-product）、服務流程創新（SPI-process）和服務模式創新（SMI）三個維度的中介路徑。研究發現，SI是DT提升SSCP的關鍵放大器，其中SPI-process的中介作用尤為顯著，而SMI卻產生了負向抑制作用。該成果不僅從理論上揭示了DT→SI→SSCP的內在傳導機制，彌補了現有研究的空白，也為企業整合數字技術與服務創新戰略以增強供應鏈韌性與可持續性提供了實踐框架。

  來源：Data Science and Management

  時間：2026-02-23

• 大型語言模型分析書面教案的質量可靠嗎？一項基于教師實習項目的混合方法研究

  為評估大型語言模型（LLM）在分析職前教師教案質量方面的可靠性，研究人員對32份公民教育教案進行了混合方法研究。研究發現，LLM在識別顯性教學特征上達到中等一致性（α = .689），但難以評估需要深層教學推理的復雜標準。這表明LLM可作為設計階段的篩選工具，但人類的專業判斷對于確保評估過程的倫理和教學完整性至關重要。

  來源：Computers and Education: Artificial Intelligence

  時間：2026-02-23

• 大學生在備考中使用大型語言模型的倫理條件：基于多維倫理量表（MES）與技術接受模型的整合分析

  本文探討了大型語言模型（LLMs）在高等教育考試準備中的應用倫理。研究者調查了西班牙大學生的倫理觀念（基于道德公平、結果論和義務論）如何影響其使用LLMs的意向（IU）及實際使用行為（USE）。研究發現，三種倫理維度均為使用意向的必要條件，其中結果論（CO）和義務論（DE）是意向的充分預測因子，而使用意向（IU）則是實際使用（USE）的必要且充分條件。該研究為理解AI教育工具的倫理接受機制提供了實證基礎。

  來源：Computers and Education Open

  時間：2026-02-23

• 綜述：高等教育中人工智能素養的七邊形框架：一種結構化方法

  本文深入剖析了高等教育中人工智能素養（AIL）的定義與實踐鴻溝，提出了一個創新的七邊形框架。該框架整合了技術（TKS）、應用（AP）、批判性思維（CTA）、倫理（EAR）、社會（SIU）、整合（IS）與法律（LRK）七個維度，并引入基于布魯姆分類法的四級能力進階模型（新手到專家）。它不僅為課程設計提供了結構化工具，更通過學科實例映射，論證了構建通用AIL基礎與領域特色化拓展并重的必要性，旨在系統化培養未來AI驅動社會的合格參與者。

  來源：Computers and Education: Artificial Intelligence

  時間：2026-02-23

• 綜述：預測學生表現：機器學習、深度學習和可解釋人工智能方法的全面回顧

  這篇系統綜述（遵循PRISMA指南）聚焦于應用機器學習(ML)、深度學習(DL)和可解釋人工智能(XAI)于教育數據挖掘(EDM)領域，旨在實現學生表現的早期預測。它系統分析了72項研究，探討了常用數據集與特征、主流ML/DL算法及其評估指標，并特別強調了模型可解釋性(XAI)對于連接復雜算法與教學實踐、支持循證教學與自適應學習、促進教育公平決策的關鍵作用。

  來源：Computers and Education: Artificial Intelligence

  時間：2026-02-23

• 【中文標題】 釋放人類潛能：中小學教育中兼顧技術整合與人文價值的人工智能素養框架

  本研究探討了如何將人工智能（AI）有效且負責任地整合到K-12教育中，以應對AI可能削弱人類獨特價值的挑戰。作者通過對54項研究的范圍綜述，識別出現有AI素養框架的三大核心能力，并提出一個全新的“理解-使用-釋放”三維發展框架。該框架強調在掌握AI知識與技能的基礎上，應通過反思性使用培養元認知能力，并最終導向以“純簡”心態發展學生的“精神自我”，從而真正釋放人類潛能，確保教育在AI時代仍能促進人的全面發展。這為未來AI教育課程設計與教學實踐提供了重要理論指引。

  來源：Computers and Education: Artificial Intelligence

  時間：2026-02-23

• 越南少數民族寄宿制高中教師對AI驅動XR技術整合的準備度評估：量表開發與多群體驗證

  為了解決教師是否準備好有效且符合倫理地將人工智能（AI）和擴展現實（XR）技術整合到教學中的關鍵問題，研究人員在越南少數民族寄宿制高中開展了一項大規模調研。他們開發并驗證了一個名為“教師對AI驅動XR整合的準備度”（TRAXRI）的多維度模型，發現教師的態度、績效期望和自我效能感是影響其整合準備度的最強預測因素，而倫理與隱私意識也具有顯著的新興影響。這項研究不僅為理解和評估教師對沉浸式智能教學技術的接納意愿提供了有效工具，也為制定針對特定文化背景和資源受限學校的教師能力建設策略提供了實證依據。

  來源：Computers & Education: X Reality

  時間：2026-02-23

• 虛擬現實技術在英語作為第二語言口語能力發展中的應用優勢與優化策略研究

  為解決ESL學習者口語流利度和準確性不足的問題，研究人員開展了一項關于虛擬現實（VR）如何支持馬來西亞中學生英語口語發展的案例研究。通過使用ImmerseMe平臺進行為期八周的干預，結合課堂觀察、訪談和反思日志收集數據，研究發現VR可顯著提升學習者的參與度、沉浸感、定制化體驗和可及性，從而增強動機、信心和情境化語言運用。學習者提出了交互式發音練習、實時反饋、個性化路徑和情景相關場景等優化策略。該研究表明VR可彌補傳統ESL課堂的真實性缺陷，對課程設計和教師專業發展具有啟示意義。

  來源：Computers & Education: X Reality

  時間：2026-02-23

• 生成式AI文學助手在提升九年級學生寫作動機、心流與學業成就中的作用：一項混合方法研究

  本研究探討將生成式人工智能（GAI）文學助手整合至九年級寫作教學中產生的多方面影響，聚焦于學生的寫作動機、心流體驗及整體寫作表現。通過一項為期三天的寫作營，研究人員采用文學角色模擬與結構化提示詞工程等創新教學法，引導學生在AI輔助下進行寫作與修訂。研究發現，該干預顯著提升了學生的寫作成績（Cohen‘s d = ?0.83）和心流體驗，并在情境動機與任務參與度方面獲得質性肯定，有效印證了ARCS-V動機模型與自我決定理論（SDT）。研究結果為如何在K-12寫作教學中運用AI提供支架、促進學生深度投入而非淺層依賴，提供了循證教學建議。

  來源：Computers and Education Open

  時間：2026-02-23

• 基于超結構方法的動態色譜過程優化：識別單柱高效液相色譜最佳操作策略

  本研究針對批量色譜過程動態優化因時間復雜性而變得極具挑戰，且傳統方法需對不同操作策略逐一優化、效率低下的問題。作者提出了一種可同時考慮常規洗脫及多種循環策略的超結構優化方法，并將其應用于高效液相色譜(HPLC)過程。該方法不僅能識別不同目標函數下的最優操作策略，相比逐一優化方案更能節省超過60%的CPU時間，為復雜動態過程的集成設計與高效優化提供了有力工具。

  來源：Computers & Chemical Engineering

  時間：2026-02-23

• 概率慢特征對比學習（PSFCL）：提升復雜工業過程早期故障診斷性能的創新框架

  這篇研究論文提出了一種名為概率慢特征對比學習（PSFCL）的新穎框架，用于工業過程的早期故障診斷。該方法通過結合Jensen-Shannon散度（JSD）提取表征時域緩慢性和分布差異性的概率慢特征，并將其融入對比學習架構中生成正負樣本對，從而學習更具判別性的特征表示。一個慢度引導機制在訓練中自適應調整模型參數，強化了故障特征的提取。最終，學習到的特征被送入Softmax分類器進行故障診斷，無需參數微調。在田納西-伊斯曼過程（TEP）基準測試中的驗證表明，該框架在診斷精度和魯棒性上均優于現有先進方法，為保障工業過程安全提供了新方案。

  來源：Computers & Chemical Engineering

  時間：2026-02-23

• 眼動追蹤技術結合可用性測試：提升學生以用戶為中心的多模態文檔設計能力

  為解決傳統技術寫作課程在基于證據的文檔修訂和用戶感知評估方面的局限，本文作者（孟宇）在技術寫作課程中，開展了一項為期五周的教學案例研究，將眼動追蹤工具與可用性測試相結合。研究結果顯示，通過眼動數據、任務表現和口頭報告的三方驗證，該方法不僅補充了傳統的同行評審，為學生提供了關于受眾的客觀數據，更有效地增強了學生對以用戶為中心的設計（UCD）和用戶體驗（UX）的意識。此研究證明了將眼動追蹤與可用性測試作為教學工具的有效性，為專業與技術傳播（PTC）教育提供了創新路徑。

  來源：Computers and Composition

  時間：2026-02-23

• 用于同時進行過程數據清洗和穩態檢測的強大時間序列建模方法

  數據清洗與穩態檢測的挑戰及統一框架研究。提出基于穩健時間序列建模的RSTM方法，通過有界影響ρ函數和局部趨勢殘差分析，實現數據清洗與穩態檢測的同步在線滑動窗口建模。方法有效消除噪聲和離群點同時保留真實趨勢，確保工業實時監控的穩定性與可靠性。

  來源：Computers & Chemical Engineering

  時間：2026-02-23

• 一種具有強大同步能力的自適應網絡流水印技術

  網絡流量水印技術通過主動嵌入源身份信息實現攻擊溯源，但現有方法難以適應動態網絡環境。本文提出自適應性網絡流量水印方法（CMD），采用融合復制、合并和延遲包的調制策略，通過同步頭傳遞自適應參數，結合隨機重傳行為嵌入水印，在提升抗干擾能力的同時降低2%包丟失率，實驗驗證檢測率達94%且誤檢率低于2%。

  來源：Computer Networks

  時間：2026-02-23

• 一種基于準原子與機器學習優化的固體多尺度分子動力學混合建模方法

  為解決大規模原子系統分子動力學（MD）模擬的計算瓶頸，同時保持關鍵區域（如接觸面、裂紋區）的原子級精度，研究人員提出了一種新型混合多尺度方法。該方法結合了全原子模擬和由優化勢參數控制的“準原子”連續介質建模，并利用機器學習框架進行高效參數優化。通過與LAMMPS軟件集成，該方法在保持高精度的前提下，顯著提升了計算速度，為固體力學研究開辟了新途徑。

  來源：Computer Physics Communications

  時間：2026-02-23

• 利用合成語音：基于文本到語音（TTS）的數據增強技術，提升失語癥患者語音識別的效果

  針對坦米爾語失語癥（DASR）的自動語音識別系統研究，通過文本轉語音（TTS）技術合成數據解決數據稀缺問題。實驗對比隱馬爾可夫模型（HTS）、FastSpeech2和Tacotron2三種TTS模型，發現FastSpeech2生成的合成語音在保留失語癥特征方面最優，結合真實數據后系統誤碼率（WER）分別降至3.49%（輕度）和13.17%（中度）。進一步混合使用FastSpeech2和Tacotron2數據可降低至2.67%和8.32%。

  來源：Computer Speech & Language

  時間：2026-02-23

• 結合集總粒子直接模擬蒙特卡羅方法與非平衡碰撞輻射模型：一種用于激光誘導等離子體羽流高保真模擬的新混合計算框架

  本文提出了一種創新的混合計算框架lDSMC-CRM，將用于中性氣體流動的直接模擬蒙特卡羅（DSMC）方法與碰撞輻射模型（CRM）相耦合。該框架采用集總粒子方法和原子譜粗?；夹g，旨在解決激光誘導等離子體羽流在密度、溫度和電離度劇烈變化條件下的非平衡效應模擬難題。研究通過與局域熱力學平衡（LTE）模型進行點對點對比，證實了所提方法在模擬納秒激光脈沖燒蝕銅靶產生的等離子體羽流（包括空間均勻弛豫及一維、二維膨脹）時，能顯著提升對激光輻射吸收（即等離子體屏蔽效應）的預測精度。本文強調，在激光與材料相互作用、激光制造等領域，忽略非平衡效應將導致對羽流結構與能量吸收的嚴重誤判。

  來源：Computer Physics Communications

  時間：2026-02-23

• 數字司法對企業數字化創新的影響：來自中國互聯網法院的證據

  有效司法保護環境對激發企業創新至關重要。本文通過中國上市公司數據和雙重差分模型，發現互聯網法院的設立顯著提升企業數字專利創新，機制包括提高知識產權司法保護效率（降低維權成本）和加速企業數字化轉型（降低技術采納壁壘），異質性分析表明效果在數字化轉型進行中、競爭激烈、訴訟風險高及高科技企業更顯著。

  來源：Computer Law & Security Review

  時間：2026-02-23

• 中國的數字創新與預測警務中的法律保護

  中國公安機關通過整合內部信息網絡與視頻監控系統實施數據驅動的預測警務，提升犯罪預防、熱點分析、高危監測和嫌疑人識別能力，但面臨隱私保護、數據倫理及算法透明度挑戰，需構建法律監管框架與數據安全體系。

  來源：Computer Law & Security Review

  時間：2026-02-23

知名企業招聘：