查看“WikiEdge:ArXiv速递/2025-03-27”的源代码

== 摘要 ==
* '''原文标题'''：Behavioral response to mobile phone evacuation alerts
* '''中文标题'''：手机疏散警报的行为响应
* '''发布日期'''：2025-03-27 13:33:56+00:00
* '''作者'''：Erick Elejalde, Timur Naushirvanov, Kyriaki Kalimeri, Elisa Omodei, Márton Karsai, Loreto Bravo, Leo Ferres
* '''分类'''：cs.CY, cs.SI
*'''原文链接'''：http://arxiv.org/abs/2503.21497v1
'''中文摘要'''：本研究分析了2024年2月[[智利]][[瓦尔帕莱索]][[野火]]期间民众对[[手机]][[疏散]][[警报]]的行为响应。通过58万台设备的匿名[[移动网络]][[数据]]，我们追踪了[[紧急短信]]通知后的[[人口流动]]情况。研究发现三个关键模式：(1) 首次警报触发即时[[疏散响应]]，1.5小时内[[网络连接]]率下降80%，而后续警报效果递减；(2) 未预警区域也出现大规模疏散，暗示可能存在[[交通拥堵]]；(3) 疏散时机存在[[社会经济差异]]，[[高收入]]区域响应更快，且预警与非预警地点差异较小。[[统计模型]]显示，[[疏散决策]]率和[[恢复模式]]均存在社会经济差异。这些发现为[[气候灾害]][[应急通信]][[策略]]提供依据，强调需要针对性警报、社会经济分层[[信息传递]]和[[分阶段疏散]][[程序]]，以提升[[危机]]期间的[[公共安全]]。

== 摘要 ==
* '''原文标题'''：Resilience and Volatility in Academic Publishing, The Case of the University of Maribor 2004-2023
* '''中文标题'''：学术出版的韧性与波动性：马里博尔大学2004-2023年案例研究
* '''发布日期'''：2025-03-27 12:10:22+00:00
* '''作者'''：Mojca Tancer Verboten, Dean Korošak
* '''分类'''：cs.DL, cs.SI
*'''原文链接'''：http://arxiv.org/abs/2503.21423v1
'''中文摘要'''：本文研究了2004至2023年间[[斯洛文尼亚]][[马里博尔大学]](UM)学术出版的[[韧性]]与[[波动性]]动态。该时期以重大[[经济压力]]和[[政策转变]]为特征，包括[[高等教育]][[立法]]和[[大学]][[资助]]的变革。研究通过UM[[就业]][[数据]]和[[OpenAlex]][[出版]][[记录]]，考察了在编[[研究人员]]数量与以UM署名发表的独立[[作者]]数之间的关系。尽管2009-2013年[[经济衰退]]和[[紧缩]]阶段研究人员就业大幅减少，但以UM署名发表的独立作者数量却意外增长。这种增长源于[[项目制]][[资助]][[转型]]、扩大的[[博士生]][[群体]][[贡献]]以及[[国际合作]]增加等因素。[[作者]][[流动]][[分析]]揭示显著对比：短期高波动性（年流失率约40-50%）与中期强[[稳定性]]（5年流失率约8-10%）并存。[[生存分析]]证实该趋势，显示[[出版]][[作者]]初期高流失率与[[核心群体]]的长期[[持续性]]。此外，[[合著]][[网络]][[分析]]表明UM[[研究]][[网络]]随时间推移更具韧性。关键发现是2016年前后[[网络]][[结构]]发生根本转变——从[[异配]][[混合]]转向[[同配]][[混合]]，标志着[[合作]][[动态]]的深刻变化。研究结果对[[科研]][[政策]]和[[大学]][[管理]]具有启示意义，强调必须平衡[[短期]][[绩效]][[指标]]与[[科研]][[生态]][[长期]][[稳定]][[发展]]所需的韧性。

== 摘要 ==
* '''原文标题'''：Efficient Algorithms for Minimizing the Kirchhoff Index via Adding Edges
* '''中文标题'''：通过添加边最小化基尔霍夫指数的高效算法
* '''发布日期'''：2025-03-27 11:52:24+00:00
* '''作者'''：Xiaotian Zhou, Ahad N. Zehmakan, Zhongzhi Zhang
* '''分类'''：cs.DM
*'''原文链接'''：http://arxiv.org/abs/2503.21409v1
'''中文摘要'''：[[基尔霍夫指数]]是衡量[[网络性能]]的关键指标，定义为[[网络]]中所有[[节点]]间[[电阻距离]]之和，其数值越低表示性能越优。本文研究通过添加[[边]]来最小化[[基尔霍夫指数]]的问题。首先提出一种[[贪心算法]]，并通过[[子模性]]比率和[[曲率]]的边界分析其质量；随后引入基于[[梯度]]的[[贪心算法]]作为新解决方案。为降低[[计算成本]]，我们利用[[几何特性]]、[[凸包]]近似和[[节点投影坐标]]近似技术。进一步采用[[预剪枝]]和[[快速更新]]技术优化算法，使其特别适用于[[大规模网络]]。所提算法具有近线性[[时间复杂度]]。通过在十个[[真实网络]]上的大量[[实验]]验证，结果表明我们的算法在[[效率]]和[[效果]]上均优于现有最优方法，且可扩展至含500万[[节点]]和1200万[[边]]的[[大型图]]结构。