OSM US 已正式将 OldInsuranceMaps.net (OIM) 纳入其最新的特许项目。OIM 是一个创新平台，致力于将历史悠久的桑伯恩（Sanborn）保险地图进行数字化和地理坐标校正。这些地图记录了 1867 年至 20 世纪 60 年代美国城市的发展历程。该网站由亚当·考克斯（Adam Cox）于 2022 年创建，目前托管了 1,200 多张主要来自美国国会图书馆的地图。
OIM 将复杂的实体地图集转化为易于访问的拼接数字图层，为历史学家、研究人员和爱好者提供了重要资源。该项目依赖于志愿者社区，他们通过直观的界面对这些历史文档进行地理坐标校正。
作为特许项目，OIM 加入了由 OpenHistoricalMap (OHM) 和 Yesterdays 组成的协作生态系统。这些平台共享协同工作流：绘图员经常使用 OIM 的地理校正镶嵌图作为 OHM 的描图层，而 Yesterdays 则利用这些图层来准确放置历史照片。这种伙伴关系推进了创建可访问的开源历史地理数据的目标。鼓励用户访问 OldInsuranceMaps.net 探索当地历史，或为不断增长的地理校正地图库做出贡献。
每日HackerNews RSS
Hacker News 社区正在庆祝 OldInsuranceMaps.net 成为 OpenStreetMap 美国分会的特许项目。该项目专注于将美国国会图书馆的桑伯恩（Sanborn）历史火灾保险地图进行地理配准和拼接，转化为无缝数字马赛克，使用户能够将其作为现代地图的图层进行查看。
该讨论帖也引发了关于数据归档的更广泛争议。一些用户称赞该项目为城市历史学家提供了长期维护和可访问性保障，另一些用户则认为人工智能公司应在资助此类归档工作中承担更多责任。然而，持怀疑态度的用户指出，由于互联网档案馆（Internet Archive）和 Anthropic 面临的法律诉讼，大规模数据托管已成为一项极具风险的举措。
除了哲学层面的讨论外，用户还分享了类似历史测绘项目的资源，并探讨了手动地理配准过程中的技术挑战。总体而言，该项目因其在历史研究中的实用性以及向更具可持续性、社区支持的组织结构转型而受到高度赞扬。
正在定位… ❄︎ 附近路线 移动地图以搜索 搜索半径 200 米 500 米 1 公里 ⌖ 允许定位以查找附近的公交车 或移动地图以搜索其他地点。 ←所有附近路线
**Buslens** 是由开发者 Robin Linacre 设计的一款网页原型工具，旨在可视化英国公交线路的覆盖范围。该网站最初是为他七岁的儿子所创作，通过英国交通部的“公交开放数据服务”（BODS）获取交通数据。用户可以在地图上放置一个“透镜”，查看从该特定地点出发可达的公交线路。
该项目在 Hacker News 上引起了广泛关注，用户在称赞其可视化概念的同时，也指出了几项局限性：
* **用户体验挑战：** 目前的界面尚不直观，线路会根据缩放级别和动态起点而显示或消失。
* **数据准确性：** 地图偶尔会包含铁路替代巴士、校车服务及非公交交通工具（如电车），这可能会使视图显得杂乱。
* **可靠性与覆盖范围的差异：** 评论者指出英国公交质量存在明显差距，并强调该工具虽展示了物理路线的覆盖范围，但无法反映出相较于伦敦交通局（TFL）网络，乡村公交服务存在的不可靠、班次稀疏或费用高昂等问题。
作者计划根据社区反馈对项目进行迭代，并指出该工具旨在作为一种视觉探索工具，而非全面的行程规划器。
请启用 JavaScript 并关闭所有广告拦截器
抱歉。
无法建立数据库连接
请启用 JavaScript 和 Cookie 以继续。
抱歉。
抱歉。
在2025年联合统计会议上，研究人员拉莫斯（Ramos）和阿亚索-塞缪尔（Anyaso-Samuel）分析了一项关于公众统计素养的全国性调查。研究结果揭示了知识层面上的显著差距：虽然四分之一的受访者表示完全不懂统计学，37%的人称仅有有限的了解，但大众对提升统计素养的意愿却很高。十分之九的参与者表示，如果能更好地理解统计学，他们会更多地依赖它。 拉莫斯强调，统计学并非关于确定性，而是应对自然和社会中不确定性的一种理性工具。由于统计数据频繁出现在新闻、社交媒体和政策辩论中，研究人员认为统计素养是公民获取信息的一项重要技能。通过学习基础知识（例如理解p值），个人可以成为更具批判性的科学证据消费者。对于那些希望弥补这一知识差距的人，拉莫斯推荐了一些免费且易获取的资源，例如宾夕法尼亚州立大学的在线课程“STAT 200：初级统计学”。最终，他认为评估证据质量应当是每位公民都能实现的目标。
一份最近的报告指出，62%的美国成年人缺乏基础统计学知识，这在黑客新闻（Hacker News）网站上引发了热烈讨论。参与者普遍认为这一数字可能被低估了，并指出即使在受过高等教育的专业人士中，真正的统计学素养也十分罕见。
此次讨论突出了几个关键主题：
* **统计的欺骗性：** 评论者经常引用“谎言、该死的谎言和统计数字”这句格言，指出数据很容易被操纵以迎合既定的叙事，尤其是当受众缺乏审视方法论的能力时。
* **直觉与现实的冲突：** 许多用户指出，人类的直觉并不擅长处理概率和统计问题；他们援引了蒙提霍尔问题（Monty Hall problem）和辛普森悖论（Simpson’s Paradox）等经典案例，证明该学科本质上是违背直觉的。
* **教育差距：** 大家一致认为，学校课程往往无法有效地教授统计学，将其视为一道令人望而生畏的学术门槛，而非一项实用的生活技能。
* **系统性怀疑：** 一些参与者认为，这项专门询问“P值”的调查本身可能就是一个糟糕的衡量指标，因为即使是专业研究人员，也经常误解或滥用这一术语。
关于 新闻 版权 联系我们 创作者 广告 开发者 条款 隐私 政策与安全 YouTube 工作原理 测试新功能 © 2026 Google LLC
抱歉。
截至 2026 年 8 月，StudyArena 的数据显示，大学生在撰写论文时更青睐谷歌的 Gemini，盲测偏好率为 39.6%，优于 Claude（31.8%）和 OpenAI 模型（29.2%）。
研究表明，学生更倾向于简洁、平衡的文风，而不是那些因设置了“高强度”或复杂推理而导致不必要重复的内容。虽然 Gemini 是优化初稿的最佳起点，但每种模型在写作过程的特定阶段各有所长：
* **ChatGPT/OpenAI**：最适合研究、梳理观点和识别反面论点。
* **Claude**：最适合任务规划和比较结构上的权衡。
* **Gemini**：最适合诊断草稿中模糊或焦点不清的内容。
建议的工作流程是先自行撰写初稿，然后将这些模型作为“编辑部”来审阅你的文章，而不是让它们代笔。通过盲测对比，学生可以基于反馈的质量而非品牌声誉进行评估。归根结底，模型应作为诊断工具，而学生始终是“主编”，负责最终内容、事实核查以及保持独特的个人风格。
arXivLabs 是一个让合作者能直接在我们的网站上开发并分享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都认同并接受我们对于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于坚守这些价值观，并仅与遵循这些准则的合作伙伴开展合作。您有为 arXiv 社区增值的项目构想吗？了解更多关于 arXivLabs 的信息。
抱歉。