- 文章信息
- 作者： kaiwu
- 点击数：1186
延迟满足这个词，来自1966 年到 1972 年启动的一批实验。其中最著名的一个，是在斯坦福大学附属幼儿园（Bing Nursery School of Stanford University）里做的。斯坦福大学的心理学家米歇尔（Walter Mischel）采集了总共 32 名 3 - 6 岁的、平均年龄是 4.3 岁的儿童，测试他们在棉花软糖、饼干的诱惑下的表现。
规则是这样的：给孩子一块棉花软糖，然后明确告诉他，之后他一个人在屋子里，老师要出去一会儿。如果回来的时候，孩子还没有把这块糖吃下去，就会再得到一块糖。
结果在总体统计里，大约有 30% 的孩子可以等 15 分钟后老师回来，进而得到第二块糖。这些孩子，就是所谓的延迟满足能力强的学生。随后每 10 年，实验人员都会跟踪参加实验的孩子在全方面的表现，包括学业成绩、职业发展、身体健康、精神状态、婚姻状况、经济收入等。
跟踪结果是这样的：在青春期阶段，当初那些延迟满足能力强的学生具有更好的学习能力、社交能力，在美国的高考（SAT）中成绩也更好。当初在实验里表现最好的那 3 个小孩，在美国高考中的成绩比当初表现最差的 3 个同学高了 210 分。
愿意多等 15 分钟，只是孩子的决策系统在某件单一事件上的表现。而这个决策系统是由好几百种因素和他之前短暂的人生经历叠加作用后共同塑造的。决策系统运转后的最终结果就是，孩子自觉、自愿、自主地选择在这件事上能不能多等 15 分钟再吃棉花软糖。
- 文章信息
- 作者： kaiwu
- 点击数：6228
下载网址：https://github.com/eschnett/zotero-citationcounts/releases
2022年4月5日更新，支持zotero 6.0
1.下载zotero-citationcounts插件
官方下载
或者本站下载（需要解压缩）
或者
https://od.lk/d/173044801_bhjGs/zotero-citationcounts-1.3.0.xpi
或者
https://drfs.ctcontents.com/file/20727931/563692906/027c27/opendata/zotero-citationcounts-1.3.0.xpi
2.安装zotero-citationcounts插件
2.1【文件】——>【插件】，选择从文件安装插件
2.2找到已经下载到本地的zotero-citationcounts-1.3.0.xpi
2.3安装以后，重启zotero软件即可
3.zotero-citationcounts的使用
3.1选中文献，单击鼠标右键，可以获取被引用次数
3.2可以将存储被引用次数的【其它】字段显示在主窗口，然后进行排序
- 文章信息
- 作者： kaiwu
- 点击数：930
The Best Shots
https://www.foto-webcam.eu/webcam/bestof/
Feldkirch March 5, 2022 from 6:30 a.m. to 7:00 p.m.
https://www.foto-webcam.eu/webcam/feldkirch/2022/03/06/1400
6:30 a.m.
6:50 a.m.
7:10 a.m.
7:30 a.m.
7:50 a.m.
9:00 a.m.
10:00 a.m.
11:00 a.m.
12:00 a.m.
1:00 p.m.
2:00 p.m.
3:00 p.m.
4:00 p.m.
5:00 p.m.
6:00 p.m.
6:30 p.m.
6:40 p.m.
6:50 p.m.
7:00 p.m.
- 文章信息
- 作者： kaiwu
- 点击数：686
吴军 • 硅谷来信： 第039封| 一次堪比大屠杀的学术造假
https://dedao.cn/course/article?id=5Yejy8dqoQD9JoYQpKR1r0xpgmWk3v
... ...2014年1月，世界一家著名的医学杂志《欧洲心脏杂志》发表了一篇质疑文章，轰动了世界医学界和国外很多媒体。文章的标题就非常抢眼——《研究的失误会致命：临床研究是这个世界上最为危险的专业吗？》，它的作者是伦敦皇家学院国立心肺研究所的两位医生，科尔博士（Graham D. Cole）和弗朗西斯博士（Darrel P. Francis），该文并不长，只有三页纸，所讲的一件事情却让人毛骨悚然。这件事情发生的背景大致是这样的：在欧洲，每年都会出版一个“心脏病指南”给心脏科的医生们做参考，而大部分医生在给患者医治心脏病时，比如做手术时，会遵循指南上的建议流程做手术或者使用相应的药物。因此这个指南一旦出错，麻烦可就大了，全欧洲的患者都要倒霉。因此这个指南每次在修正时都要根据最权威的专家，最可靠的结果进行。但是，谁也无法保证专家偶尔会做假，而这件事就发生了。2011年，当时新版的欧洲心脏病指南就推荐，为了预防非心脏手术的病人因手术引起心脏病，建议在术前使用一种防治心脏病的药物β受体阻滞剂。然而，该指南的这一条建议是根据（后来被发现）有数据造假和学术不端的临床研究成果做出的。尽管科尔和弗朗西斯没有点名说这位造假的医学家是谁，但学术界都知道他是荷兰著名的心血管专家堂·珀德曼斯（Don Poldermans）。珀德曼斯是荷兰伊拉斯谟医学中心的心血管专家，在出事之前是世界知名的心血管疾病研究科学家，同时还是欧洲心血管疾病协会的委员，并一度担任过该协会任务组的主席，学术地位不可以说不崇高。他多年来一直在研究手术期的心脏病预防和治疗，发表了多达五百多篇论文。这些论文也被医学界广泛地引用了，很多其它研究团队的研究都是基于他们发表的成果而进行的。正是考虑到珀德曼斯的权威性，欧洲心血管委员会才会采用他的研究结果来更新临床指南。但是，也就是在这一年，珀德曼斯所在的大学有人发现，该研究小组的研究成果有前后不一致的矛盾之处，所涉及的数据有伪造以及不可信的嫌疑。于是，大学对此展开了调查并开除了珀德曼斯。2012年，大学确认了被“心脏病临床指南”直接引用的一篇文章里的数据不严谨，有严重的偏差。珀德曼斯团队的文章指出，使用β受体阻滞剂能大幅度降低死亡率，但是他们的数据是做了人为挑选的，如果不做挑选，用大样本实验却得出相反的结论：给非心脏手术的患者在手术前使用β受体阻滞剂，可能使手术期死亡率提高27%。从2011年指南采用了珀德曼斯的研究成果，到2012年该成果被发现造假，欧洲有76万人在进行了非心脏手术后死亡。以增加27%的死亡率推算，可能有多达16万人都是白白送命的。更严重的是，虽然2012年珀德曼斯东窗事发，一些医生在随后的一段时间里依然沿用了2011年的指南（因为欧洲并没有出新的指南），因此医疗事故导致的死亡人数可能更多。对此，科尔和弗朗西斯讲，这一系列文章比大屠杀后果更严重。具有讽刺意味的是，欧洲一些医生没有严格遵循指南的流程，反而无意地救了很多个生命。... ...
- 文章信息
- 作者： kaiwu
- 点击数：751
R Notebook
import library
library(lpSolveAPI)
define the datasets
https://civil.colorado.edu/~balajir/CVEN5393/R-sessions/sess1/lpSolveAPI-vignettes.pdf
https://www.r-bloggers.com/2012/07/linear-programming-in-r-an-lpsolveapi-example/
Hillier, F. S., & Hillier, M. S. (2019). Introduction to management science: A modeling and case studies approach with spreadsheets (6th). McGraw-Hill Education.pp26-47
A new lpSolve linear program model object with m constraints and n decision variables can be created using the make.lp function. For example, the following command creates an lpSolve linear program model object with 3 constraints and 2 decision variables.
create an LP model with 3 constraints and 2 decision variables
my.lp <- make.lp(3, 2)hours<-data.frame(plant=c('plant1','plant2','plant3'), door_hours=c(1,0,3), window_hours=c(0,2,2),avaible_hours=c(4,12,18)) set.column(my.lp, 1, hours$door_hours)
set.column(my.lp, 2, hours$window_hours)set.constr.type(my.lp, rep("<=", 3))set.objfn(my.lp, c(300, 500))RowNames <- c("plant1", "plant2", "plant3")
ColNames <- c("door", "window")
dimnames(my.lp) <- list(RowNames, ColNames)set.rhs(my.lp, hours$avaible_hours)
set.type(my.lp, c(1,2), "integer")
lp.control(my.lp,sense='max')## $anti.degen
## [1] "fixedvars" "stalling"
##
## $basis.crash
## [1] "none"
##
## $bb.depthlimit
## [1] -50
##
## $bb.floorfirst
## [1] "automatic"
##
## $bb.rule
## [1] "pseudononint" "greedy" "dynamic" "rcostfixing"
##
## $break.at.first
## [1] FALSE
##
## $break.at.value
## [1] 1e+30
##
## $epsilon
## epsb epsd epsel epsint epsperturb epspivot
## 1e-10 1e-09 1e-12 1e-07 1e-05 2e-07
##
## $improve
## [1] "dualfeas" "thetagap"
##
## $infinite
## [1] 1e+30
##
## $maxpivot
## [1] 250
##
## $mip.gap
## absolute relative
## 1e-11 1e-11
##
## $negrange
## [1] -1e+06
##
## $obj.in.basis
## [1] TRUE
##
## $pivoting
## [1] "devex" "adaptive"
##
## $presolve
## [1] "none"
##
## $scalelimit
## [1] 5
##
## $scaling
## [1] "geometric" "equilibrate" "integers"
##
## $sense
## [1] "maximize"
##
## $simplextype
## [1] "dual" "primal"
##
## $timeout
## [1] 0
##
## $verbose
## [1] "neutral"my.lp## Model name:
## door window
## Maximize 300 500
## plant1 1 0 <= 4
## plant2 0 2 <= 12
## plant3 3 2 <= 18
## Kind Std Std
## Type Int Int
## Upper Inf Inf
## Lower 0 0solve(my.lp)## [1] 0#this return the proposed solution
get.objective(my.lp)## [1] 3600get.variables(my.lp)## [1] 2 6get.constraints(my.lp)## [1] 2 12 18