Залипаешь в рилсах? Причины: непонимание эмоций и страх быть отвергнутым
TikTok, Reels, Shorts затягивают похлеще Гаргантюа из Интерстеллар. Но почему одних людей затягивает в пучину с головой, а другие практически в них не заходят? Новое исследование предлагает объяснение: тип привязанности на основе тревожности или же модель отношений, основанная на страхе быть покинутым. Вот тот самый фактор, предсказывающий зависимость от коротких видеороликов.
Как выстроить систему обучения проектной команды в IT: пошаговый алгоритм
Когда в команде что‑то «идёт не так», первым делом вспоминают про обучение. И всех отправляют на курс какого-нибудь распиаренного бизнес-тренера. Чаще всего это не помогает. Команда тратит время, бюджет сгорает, а дедлайны по‑прежнему ползут вправо. Эта статья — не про «ещё один список курсов», а про то, как построить системное обучение проектной команды в ИТ так, чтобы оно решало реальные боли: срывы релизов, узкие места в процессе, вечные авралы и зависимость от пары «незаменимых» людей.
Ацетилхолин определяет роль дофамина
На протяжении десятилетий нейробиологи пытались объяснить, как один нейромедиатор, дофамин, может одновременно выполнять две совершенно разные задачи. С одной стороны, он подкрепляет обучение, основанное на вознаграждении. С другой – запускает физическую активность. Новое исследование проливает свет на переключатель функций дофамина.
Кибербезопасность, Data Science и бизнес-анализ в большом банке: о чем говорили на Техновечере Газпромбанк.Тех
5 марта команда Газпромбанк.Тех провела Техновечер — митап для студентов и начинающих ИТ-специалистов.180 участников, четыре выступления, круглый стол с полуфиналистами Молодежной программы Финополис 365 и нетворкинг с экспертами. Чтобы разговор о технологиях был не просто лекцией, выбрали формат вечернего шоу: с неоном и стилистикой ночного мегаполиса нулевых. Темы: от кибербезопасности и Data Science до бизнес-анализа и командной работы. Рассказываем, как прошло мероприятие.
Центры обработки данных переходят с переменного тока на постоянный
На недавней конференции Nvidia GTC были представлены новые архитектуры микросхем для обеспечения работы систем искусственного интеллекта. Однако по мере того, как микросхемы становятся быстрее и мощнее, остальные компоненты инфраструктуры центров обработки данных отстают в развитии.Производители систем электропитания — компании Delta, Vertiv и
Автоматизация создания тестов: связка NotebookLM + Gemini + Google Apps Script
Предположим, что вам нужно делать тесты для учащихся или студентов (или даже для себя). Предположим, что их нужно делать много. Действительно много. Можно использовать традиционный ручной труд. Сидеть, придумывать вопросы, подбирать варианты ответов. Повторять по кругу, пока не надоест. Но мы же в XXI веке живем. Явно должны быть способы упростить задачу. Автоматизировать ее.
5 когнитивных искажений, которые ломают UX
Мы часто думаем, что плохой интерфейс — это про кнопки, цвета или сетку. Но чаще он ломается не из-за пикселей. А из-за того, что дизайнер не учитывает, как на самом деле работает мозг.Пользователь — не машина. Он устает. Спешит. Тревожится. Делает выводы на основе первых впечатлений.И вот здесь включаются когнитивные искажения. Разберём 5 самых опасных для UX.1. Эффект якоря (Anchoring bias)Эффект якоря (особенно в ценах) описан в классической работе Амос Тверски и Даниэль Канеман.
Как оценить акцию без A-B-теста: от простых способов к сложным
Как правило, акции оценивают через А/В-тесты. Но что если теста не было, а оценить эффекты надо? Разберём несколько способов: простой Diff-in-Diff и сложный Propensity score matching с подбором похожих клиентов в контрольную группу.Итак, представьте: была проведена открытая акция для всех желающих — выделить группы заранее было невозможно. У нас есть пользователи, которые воспользовались акцией, или целевая группа, нам нужно подобрать для неё контроль.Для чего нужен контроль?
Резюме в эпоху AI: почему оно больше не работает как раньше — и что с этим делать
Резюме долгое время считалось базовым инструментом оценки кандидата.Но в последние годы вокруг него сформировалось сразу два противоположных нарратива:— кандидаты доводят резюме до идеала с помощью AI— компании внедряют AI для фильтрации этих резюмеВозникает логичный вопрос:если обе стороны используют алгоритмы — не теряет ли резюме смысл?Разберёмся, что на самом деле происходит — на основе исследований и практики.Резюме никогда не было точным инструментом оценкиСогласно мета-анализу Фрэнк Шмидт и Джон Хантер (1998), который обобщает десятки исследований с выборками в тысячи кандидатов:
