41、终端用户开发在医疗与文化遗产领域的应用与挑战

终端用户开发在医疗与文化遗产领域的应用与挑战

医疗领域终端用户开发研究

在医疗领域,为了探究治疗师作为终端用户开发者的能力、动机以及他们对组织支持的看法,研究人员开展了相关调查。
1. 调查过程
- 问卷发放 :2010 年夏秋两季以纸质形式发放问卷,告知受试者调查匿名且数据仅用于总结,参与是自愿的。之后还进行了简短访谈以收集反馈。
- 问卷设计 :旨在调查治疗师作为潜在终端用户开发者的背景、创造和分享疗法的意愿,以及他们对开发新疗法的组织支持的看法。最终问卷包含 64 个问题,多数采用 5 点李克特量表(1 表示强烈同意,5 表示强烈不同意),部分根据预试验反馈采用 6 点量表。
2. 调查结果
- 创造力方面 :治疗师认为自己有创造力,工作时间和与他人合作时更有创造力。
- 学习途径 :主要通过与同行直接互动学习新疗法,且获得大量同行支持。
- 资金与动机 :大多不知道新疗法开发的资金机会,认为经济激励不足。他们主要受帮助患者的愿望驱动,而非开发技术。
- 激励因素 :能激励他们探索新康复技术的组织因素按重要性排序为:同行认可、更多时间、额外工作的金钱补偿和创新的知识产权。
- 技术熟悉度 :熟悉数字技术,但不熟悉且反感软件开发。对能改善治疗且对患者无风险的新技术持积极态度。
3.

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值