Geleneksel çoktan seçmeli testler, insan bilişini yanlış ölçüyor olabilir. Araştırmacılar, standart zeka testlerini güncelleyerek katılımcıların belirsizliklerini ifade etmelerine ve risk yönetimi yapmalarına olanak tanıdığında, kadınların erkeklerden daha yüksek puanlar aldığını keşfetti. Bu bulgu, mevcut test sistemlerinin bilişsel yetenekleri tam olarak yansıtmadığını ve cinsiyet farklılıklarının test formatından etkilenebileceğini gösteriyor. Fluid zeka olarak adlandırılan akıcı zeka testlerinde ortaya çıkan bu durum, eğitim ve değerlendirme sistemlerinin yeniden gözden geçirilmesi gerektiğine işaret ediyor.

Yeni araştırmalar, çocukların büyüdüğü sosyoekonomik çevrenin beyin gelişimi üzerindeki etkisini daha detaylı ortaya koyuyor. Onlarca yıldır bilim insanları, yüksek ve düşük gelirli ailelerden gelen çocuklar arasında akademik başarı farkları olduğunu gözlemliyor. Daha fazla kaynağa sahip ailelerden gelen çocuklar, ortalama olarak hem okul performansında hem de bilişsel testlerde daha iyi sonuçlar elde ediyor. Bu durum, sadece eğitim fırsatlarındaki farklılıklardan değil, beynin problem çözme mekanizmalarının çevresel faktörler tarafından nasıl şekillendirildiğinden kaynaklanıyor. Araştırma, erken yaş dönemlerinde çevresel zenginliğin beyin plastisitesi üzerindeki kritik rolünü vurguluyor. Bu bulgular, eğitim politikalarının yanı sıra çocuk gelişimi alanında da önemli çıkarımlar sunuyor.

ABD Dışişleri Bakanı Marco Rubio'nun adının Çince yazımında yapılan değişiklik, dil politikası ve diplomatik mesajlaşma üzerine önemli sorular gündeme getirdi. Washington Post'un haberine göre, Rubio'nun soyadı için kullanılan Çince karakter değiştirildi. Önceki karakter (卢) soyadlarda yaygın kullanılan nötr bir anlam taşırken, yeni tercih edilen karakter (鲁) aceleci, kaba ve beceriksiz anlamlarına geliyor. Bu değişiklik, sadece fonetik tercihten ziyade diplomatik bir mesaj olarak yorumlanıyor. Dil uzmanları, bu durumun Çin-ABD ilişkilerindeki gerilimin bir yansıması olabileceğini belirtiyor.

Amerikan Jeofizik Birliği (AGU) tarafından düzenlenen 'Eylem Günleri' kapsamında, 24 eyalet ve Washington DC'den bilim insanları bir araya geldi. Katılımcılar, ABD Kongresi'nde bilimsel işgücünü güçlendiren ve araştırma ekosistemini koruyan yasaları desteklemek için lobi faaliyetleri yürüttü. Bu girişim, bilim camiasının politika yapıcılarla doğrudan iletişim kurarak araştırma fonlarının artırılması ve bilimsel kariyerlerin desteklenmesi konularında savunuculuk yapmasını amaçlıyor. Etkinlik, bilim ve politika arasındaki köprüyü güçlendirerek ülkenin bilimsel kapasitesinin korunması hedefliyor.

Attiya Waris'in Aeon dergisindeki makalesine göre, insan haklarının gerçekleşmesi için sadece konuşmak yeterli değil. Küresel finans mimarisinin köklü bir reform geçirmesi gerekiyor. Yazara göre, adil bir küresel vergi konvansiyonu olmadan insan hakları sadece kağıt üzerinde kalacak. Gelişmekte olan ülkelerin kaynaklarının zengin ülkelere ve çok uluslu şirketlere aktarılması, temel hakların finansmanını imkansız hale getiriyor. Bu durum, özellikle sağlık, eğitim ve sosyal güvenlik gibi temel hizmetlerin sunumunu engelliyor. Makale, vergi kaçırma, transfer fiyatlandırması manipülasyonu ve offshore hesaplar gibi mekanizmaların nasıl insan hakları ihlallerine yol açtığını analiz ediyor.

Farklı mimariler, eğitim yöntemleri ve veri setleriyle geliştirilen yapay görme modellerinin benzer görsel temsiller oluşturduğu biliniyordu, ancak bunun nedenini kimse tam olarak açıklayamamıştı. Yeni bir araştırma, 162 farklı görme modelini analiz ederek bu gizemin peşine düştü. Araştırmacılar, modellerin nesne benzerlik yapısını matematiksel boyutlara ayırdı ve hangi özelliklerin evrensel, hangilerinin model-spesifik olduğunu belirledi. Sonuçlar şaşırtıcıydı: evrensel boyutlar daha anlaşılır ve kavramsal görüntü özelliklerinden güçlü şekilde etkileniyordu. Bu bulgular, yapay zeka modellerinde yorumlanabilirlik ve anlamsal içeriğin önemini ortaya koyuyor.

Araştırmacılar, dinamik sistemleri modellemede kullanılan yapay sinir ağlarının performansını artıran yeni bir yöntem geliştirdi. MPINeuralODE adlı bu yaklaşım, fizik yasalarını öğrenme sürecine dahil ederek ve çoklu başlangıç koşullarını kullanarak, sistemlerin uzun vadeli davranışlarını daha doğru tahmin edebiliyor. Geleneksel Neural ODE'ler genellikle eğitim verilerinde iyi performans gösterse de, yeni koşullarda ve uzun zaman dilimlerinde başarısız oluyordu. Yeni yöntem, Lotka-Volterra gibi karmaşık dinamik sistemlerde %26 oranında daha iyi sonuçlar elde ederek, yapay zekanın fiziksel sistemleri anlama kabiliyetini önemli ölçüde artırıyor.

Bilimsel makine öğrenmesi modellerinin gizli bir sorunu ortaya çıktı. Aynı eğitim verilerinin farklı örnekleriyle eğitilen iki model, genel doğruluk oranlarında %1-4 fark gösterirken, test moleküllerinin %8-22'sini tamamen farklı şekilde sınıflandırıyor. Bu 'çapraz-örnek tahmin dalgalanması' sorunu, bilimsel araştırmalarda model güvenilirliğini ciddi şekilde tehdit ediyor. Araştırmacılar, 9 farklı kimya veri seti üzerinde yaptıkları çalışmada, geleneksel yöntemlerin bu sorunu çözemediğini, ancak iki yeni yaklaşımın umut verici sonuçlar gösterdiğini keşfetti.

Fizik eğitimi araştırmacıları, nöroçeşitlilik verilerinin toplanma ve raporlanma yöntemlerini yeniden değerlendiriyor. Mevcut araştırma uygulamaları genellikle katılımcılardan resmi tanı raporları talep ediyor, ancak bu yaklaşım öğrencilerin kimliklerini otantik şekilde ifade etmelerini engelliyor. Araştırmacılar, STEM öğrencilerinin deneyimlerini inceleyen literatürde tutarsızlıklar tespit etti ve mevcut yöntemlerin veri güvenilirliğini olumsuz etkilediğini ortaya koydu. Çalışma, katılımcıların kendi kimliklerini tanımlamalarına izin veren daha kapsayıcı yaklaşımların benimsenesi gerektiğini vurguluyor.

Üretken yapay zeka teknolojileri, STEM eğitiminde köklü değişimler yaratıyor. Geleneksel eğitim reformu modelleri, iyi araştırılmış ve test edilmiş yöntemlerin kademeli olarak benimsendiği 'benimseme mantığı'na dayanıyordu. Ancak yapay zeka, yeterli pedagojik kanıt temeli oluşmadan sınıflara giren bir 'varış teknolojisi' olarak bu yaklaşımı geçersiz kılıyor. Araştırmacılar, AI çağında kurumsal değişim için altı boyutlu yeni bir çerçeve öneriyordu: araçların kanıt temeli, değişim hızı ve kapsamı ile fakülte, değişim ajanları ve öğrencilerin rollerini yeniden değerlendiren bir model. Bu yaklaşım, eğitim kurumlarının hızla gelişen AI teknolojilerine adapte olmasını sağlayacak stratejiler sunuyor.

Penn State Üniversitesi araştırmacıları, yapay zeka sistemlerinin geliştirilmesi ve yönetiminde toplumsal katılımı artıracak yeni bir model geliştirdi. Sağlık, eğitim ve kamu politikası gibi birçok alanda etkili olan YZ sistemlerinin, farklı toplulukların ihtiyaçlarına uygun şekilde tasarlanması için halkın karar verme süreçlerine dahil edilmesini öngören bu yaklaşım, teknoloji demokratikleşmesi açısından önemli bir adım. Mevcut durumda YZ sistemlerinin geliştirilmesinde sınırlı toplumsal katılım bulunması, bu teknolojilerin çeşitli toplulukların beklentilerini karşılamamasına neden olabiliyor. Önerilen kapsayıcı model, bu açığı kapatmayı hedefliyor.