本研究解决了人工智能算法解释质量的测量问题，特别是在意大利文化背景下。研究通过有效的前后翻译方法验证了系统因果性量表（I-SCS）的意大利版本，并证明其能够为xAI系统提供清晰的解释质量评估。最终结果显示，该工具可以为未来的研究和xAI开发提供重要支持。

本文介绍了一个在Colab上实现的Cronbach's Alpha计算器，帮助研究者分析量表的内部一致性信度。该计算器可分析整体量表及各构面，并通过逐一移除题目来提升信度。Cronbach's Alpha值范围为0到1，数值越高表示信度越好，通常0.7以上为可接受。此工具旨在简化信度分析过程，提高研究工具的质量。

本研究旨在填补缺乏有效工具以衡量公众对人工智能与可持续性关系认知的空白，开发并验证了人工智能与可持续性认知量表（AISPI）。通过对105个样本的因子分析，识别出“双重转型”和“竞争利益”两个维度，结果表明个体能够同时识别二者之间的协同关系与紧张局势，这为未来在该领域的研究提供了重要工具。

本研究解决了中风患者跌倒风险评估的不足，提出了一种基于仪器化 Timed Up and Go (ITUG) 测试数据的新型评估方法。通过机器学习技术识别具有最高预测能力的特征，将患者分为低、中、高风险组，结果显示IFRA量表在传统临床量表中表现优越，能够有效识别高风险患者，为今后的中风康复和居家防跌提供了重要的证据支持。

研究探讨语言模型的心理深度，即模拟人类心理特征的能力。引入心理深度量表（PDS）评估模型的心理表现。实验显示，大型语言模型如GPT-3有一定心理深度，但在完全模拟人类心理复杂性方面仍有限。研究强调理解这些模型的心理能力和局限性的重要性，尤其是在与人类互动的应用中。PDS作为新工具，需进一步验证其有效性和可靠性。

介绍了MetaQuantus元评估框架，用于鉴别解释质量度量方法在特定情境下的性能，并展示了其有效性。该工具可用于验证和基准测试新的度量衡，促进Explainable AI领域的标准化和可重复性。

量表原题 焦虑心境: 担心、担忧，感到有最坏的事情将要发生，容易激惹。 A.为无症状 B.轻 C.中等 D.重 E.极重 紧张: 紧张感、易疲劳、不能放松，情绪反应，易哭、颤抖、感到不安。 A.为无症状 B.轻 C.中等 D.重 E.极重 害怕: 害怕黑暗、陌生人、一人独处、动物、乘车或旅行及人多的场合。 A.为无症状 B.轻 C.中等 D.重 ...