Snowbowღ

【学习】ChatGPT对问答社区产生了哪些影响？

引用 StackExchange 社区 CEO Prashanth Chandrasekar 的一篇博客标题 “Community is the future of AI”，引出本文的观点，即ChatGPT对问答社区产生了颠覆性影响，问答社区必须釜底抽薪、涅槃重生，但我们必须坚信“社区才是AI的未来”。

一、影响

（一）新创建的问题数量在减少

1.结果数据

2.折线图

3.对比

4.结论

（二）新答案

1.结果数据

2.折线图

3.比较

4.结论

（三）新用户注册

1.结果数据

2.折线图

3.对比

4.结论

二、思考

一、影响

内容参考自 StackExchange 以下问题的答案（由用户 starball 回答）：Did Stack Exchange's traffic go down since ChatGPT?https://meta.stackexchange.com/questions/387278/did-stack-exchanges-traffic-go-down-since-chatgpt

备注：结果来源于 Stack Exchange Data Explorer (SEDE) queries，统计数据从2018年开始，到当前博客写作日期的上个月（2023年6月），借用回答者的一句话：“2018 chosen somewhat arbitrarily - I just wanted some more context than looking at just 2022-2023”。

（一）新创建的问题数量在减少

查询命令如下，与原始答案不同的是，这里添加了对统计结束时间的限制：

AND P.CreationDate < DATEFROMPARTS(2023, 7, 1) -- Limit to July 2023

/*-- INSTRUCTIONS:
    1)  Set the columns of #AllSiteResults to what you need in the final query.
    2)  Set the @seSiteQuery text (inside the WHILE loop) to the query that will run on each site to build
        the #AllSiteResults table.
    3)  Comment out the `WHERE       (dadn.dbName = 'StackExchange.Meta'...` line if site metas are desired.
    4)  Adjust the final query if post processing is desired (optional).
*/
DECLARE @seDbName       AS NVARCHAR (max)
DECLARE @seSiteURL      AS NVARCHAR (max)
DECLARE @sitePrettyName AS NVARCHAR (max)
DECLARE @seSiteQuery    AS NVARCHAR (max)

CREATE TABLE #AllSiteResults (
      -- PUT THE COLUMNS YOU WILL USE, HERE
      -- vvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvv
      [Date] DATE,
      [NewQuestions] INT
      -- ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
)

DECLARE seSites_crsr CURSOR FOR
WITH dbsAndDomainNames AS (
    SELECT      dbL.dbName
                , STRING_AGG (dbL.domainPieces, '.')    AS siteDomain
    FROM (
        SELECT      TOP 50000   -- Never be that many sites and TOP is needed for order by, below
                    name        AS dbName
                    , value     AS domainPieces
                    , row_number ()  OVER (ORDER BY (SELECT 0)) AS [rowN]
        FROM        sys.databases
        CROSS APPLY STRING_SPLIT (name, '.')
        WHERE       CASE    WHEN state_desc = 'ONLINE'
                            THEN OBJECT_ID (QUOTENAME (name) + '.[dbo].[PostNotices]', 'U') -- Pick a table unique to SE data
                    END
                    IS NOT NULL
        ORDER BY    dbName, [rowN] DESC
    ) AS dbL
    GROUP BY    dbL.dbName
)
SELECT      REPLACE (REPLACE (dadn.dbName, 'StackExchange.', ''), '.', ' ' )  AS [Site Name]
            , dadn.dbName
            , CASE  -- See https://meta.stackexchange.com/q/215071
                    WHEN dadn.dbName = 'StackExchange.Mathoverflow.Meta'
                    THEN 'https://meta.mathoverflow.net/'
                    -- Some AVP/Audio/Video/Sound kerfuffle?
                    WHEN dadn.dbName = 'StackExchange.Audio'
                    THEN 'https://video.stackexchange.com/'
                    -- Ditto
                    WHEN dadn.dbName = 'StackExchange.Audio.Meta'
                    THEN 'https://video.meta.stackexchange.com/'
                    -- Normal site
                    ELSE 'https://' + LOWER (siteDomain) + '.com/'
            END AS siteURL
FROM        dbsAndDomainNames dadn
WHERE       (dadn.dbName = 'StackExchange.Meta'  OR  dadn.dbName NOT LIKE '%Meta%')

-- Step through cursor
OPEN    seSites_crsr
FETCH   NEXT FROM seSites_crsr INTO @sitePrettyName, @seDbName, @seSiteURL
WHILE   @@FETCH_STATUS = 0
BEGIN
    -- QUERY THAT YOU WANT TO RUN ON EACH SITE, GOES HERE
    -- For example:
    -- vvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvv
    SET @seSiteQuery = '
        USE [' + @seDbName + ']
        INSERT INTO #AllSiteResults
        SELECT
            DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1) AS Date,
            COUNT(*) AS NewQuestions
        FROM Posts P
        WHERE P.PostTypeId = 1 -- Questions
            AND YEAR(P.CreationDate) >= 2018
            AND P.CreationDate < DATEFROMPARTS(2023, 7, 1) -- Limit to July 2023
        GROUP BY DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1)
    '
    -- ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
    EXEC sp_executesql @seSiteQuery

    FETCH NEXT FROM seSites_crsr INTO @sitePrettyName, @seDbName, @seSiteURL
END
CLOSE       seSites_crsr
DEALLOCATE  seSites_crsr

-- ADJUST THIS QUERY IF ANY POST PROCESSING IS DESIRED.
SELECT      MAX([Date]) AS Date, SUM([NewQuestions]) AS NewQuestions
FROM        #AllSiteResults
GROUP BY    [Date]
ORDER BY    [Date]

1.结果数据

统计结果如下：

# 全网每月新问题数
Date	NewQuestions
2018/1/1 0:00	237404
2018/2/1 0:00	224143
2018/3/1 0:00	251429
2018/4/1 0:00	239636
2018/5/1 0:00	246762
2018/6/1 0:00	222615
2018/7/1 0:00	228026
2018/8/1 0:00	228371
2018/9/1 0:00	210906
2018/10/1 0:00	232536
2018/11/1 0:00	219300
2018/12/1 0:00	196715
2019/1/1 0:00	223493
2019/2/1 0:00	215514
2019/3/1 0:00	236543
2019/4/1 0:00	226815
2019/5/1 0:00	225382
2019/6/1 0:00	201296
2019/7/1 0:00	217943
2019/8/1 0:00	201189
2019/9/1 0:00	199442
2019/10/1 0:00	219626
2019/11/1 0:00	214303
2019/12/1 0:00	194623
2020/1/1 0:00	212131
2020/2/1 0:00	208687
2020/3/1 0:00	223977
2020/4/1 0:00	261901
2020/5/1 0:00	266095
2020/6/1 0:00	242444
2020/7/1 0:00	232102
2020/8/1 0:00	209958
2020/9/1 0:00	202312
2020/10/1 0:00	206767
2020/11/1 0:00	197732
2020/12/1 0:00	196899
2021/1/1 0:00	205239
2021/2/1 0:00	191901
2021/3/1 0:00	215623
2021/4/1 0:00	196910
2021/5/1 0:00	193489
2021/6/1 0:00	183171
2021/7/1 0:00	174020
2021/8/1 0:00	171779
2021/9/1 0:00	168816
2021/10/1 0:00	168644
2021/11/1 0:00	169028
2021/12/1 0:00	158997
2022/1/1 0:00	169548
2022/2/1 0:00	158851
2022/3/1 0:00	171107
2022/4/1 0:00	160153
2022/5/1 0:00	163367
2022/6/1 0:00	156387
2022/7/1 0:00	185296
2022/8/1 0:00	189989
2022/9/1 0:00	176730
2022/10/1 0:00	184835
2022/11/1 0:00	189896
2022/12/1 0:00	168000
2023/1/1 0:00	170610
2023/2/1 0:00	155088
2023/3/1 0:00	160060
2023/4/1 0:00	131668
2023/5/1 0:00	130464
2023/6/1 0:00	140041

2.折线图

折线图如下：

3.对比

StackOverflow 是 StackExchange 最大的网站，所以同时统计一下 StackOverflow 的情况做出对比。

代码如下：

SELECT
  DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1) AS Date,
  COUNT(*) AS NewQuestions
FROM Posts P
WHERE P.PostTypeId = 1 -- Questions
  AND YEAR(P.CreationDate) >= 2018
  AND P.CreationDate < DATEFROMPARTS(2023, 7, 1)
GROUP BY DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1)
ORDER BY Date

图如下：

可以看到，StackOverflow 的趋势与 StackExchange 的整体趋势接近。

4.结论

每年十二月份的活跃度通常会急剧下降。 2018年和2019年相当明显，但2020年和2021年就不那么明显了，2022年相当明显。所以很难说这到底是由于寒假导致的正常活动下降，还是人们在 ChatGPT 而不是 Stack Exchange 上提问导致的。

然而，近年来，1 月份的活动水平始终有所回升（2018-2022 年可观察到），但 2023 年 1 月则不然：新问题活动水平与 2022 年 12 月几乎持平，而且年后持续走低。

（二）新答案

代码如下：

/*-- INSTRUCTIONS:
    1)  Set the columns of #AllSiteResults to what you need in the final query.
    2)  Set the @seSiteQuery text (inside the WHILE loop) to the query that will run on each site to build
        the #AllSiteResults table.
    3)  Comment out the `WHERE       (dadn.dbName = 'StackExchange.Meta'...` line if site metas are desired.
    4)  Adjust the final query if post processing is desired (optional).
*/
DECLARE @seDbName       AS NVARCHAR (max)
DECLARE @seSiteURL      AS NVARCHAR (max)
DECLARE @sitePrettyName AS NVARCHAR (max)
DECLARE @seSiteQuery    AS NVARCHAR (max)

CREATE TABLE #AllSiteResults (
      -- PUT THE COLUMNS YOU WILL USE, HERE
      -- vvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvv
      [Date] DATE,
      [Type] NVARCHAR(max),
      [NewAnswers] REAL,
      [NewQuestions] REAL
      -- ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
)

DECLARE seSites_crsr CURSOR FOR
WITH dbsAndDomainNames AS (
    SELECT      dbL.dbName
                , STRING_AGG (dbL.domainPieces, '.')    AS siteDomain
    FROM (
        SELECT      TOP 50000   -- Never be that many sites and TOP is needed for order by, below
                    name        AS dbName
                    , value     AS domainPieces
                    , row_number ()  OVER (ORDER BY (SELECT 0)) AS [rowN]
        FROM        sys.databases
        CROSS APPLY STRING_SPLIT (name, '.')
        WHERE       CASE    WHEN state_desc = 'ONLINE'
                            THEN OBJECT_ID (QUOTENAME (name) + '.[dbo].[PostNotices]', 'U') -- Pick a table unique to SE data
                    END
                    IS NOT NULL
        ORDER BY    dbName, [rowN] DESC
    ) AS dbL
    GROUP BY    dbL.dbName
)
SELECT      REPLACE (REPLACE (dadn.dbName, 'StackExchange.', ''), '.', ' ' )  AS [Site Name]
            , dadn.dbName
            , CASE  -- See https://meta.stackexchange.com/q/215071
                    WHEN dadn.dbName = 'StackExchange.Mathoverflow.Meta'
                    THEN 'https://meta.mathoverflow.net/'
                    -- Some AVP/Audio/Video/Sound kerfuffle?
                    WHEN dadn.dbName = 'StackExchange.Audio'
                    THEN 'https://video.stackexchange.com/'
                    -- Ditto
                    WHEN dadn.dbName = 'StackExchange.Audio.Meta'
                    THEN 'https://video.meta.stackexchange.com/'
                    -- Normal site
                    ELSE 'https://' + LOWER (siteDomain) + '.com/'
            END AS siteURL
FROM        dbsAndDomainNames dadn
WHERE       (dadn.dbName = 'StackExchange.Meta'  OR  dadn.dbName NOT LIKE '%Meta%')

-- Step through cursor
OPEN    seSites_crsr
FETCH   NEXT FROM seSites_crsr INTO @sitePrettyName, @seDbName, @seSiteURL
WHILE   @@FETCH_STATUS = 0
BEGIN
    -- QUERY THAT YOU WANT TO RUN ON EACH SITE, GOES HERE
    -- For example:
    -- vvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvvv
    SET @seSiteQuery = '
        USE [' + @seDbName + ']
        INSERT INTO #AllSiteResults
        -- Ignore the datapoints for the current month. That data is not yet complete. Ex. Things like roomba have "lag"
        SELECT
          DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1) AS Date,
          ''average new non-deleted answers per new question'' AS Type,
          CAST(SUM(CASE WHEN P.PostTypeId = 2 THEN 1 ELSE 0 END) AS REAL) AS NewAnswerCount,
          CAST(SUM(CASE WHEN P.PostTypeId = 1 THEN 1 ELSE 0 END) AS REAL) AS NewQuestionCount
        FROM PostsWithDeleted P
        WHERE P.PostTypeId IN (1,2)
          AND DATEFROMPARTS(2017, 12, 1) < P.CreationDate
          AND P.CreationDate < DATEFROMPARTS(2023, 7, 1)
          AND (P.PostTypeId = 1 OR P.DeletionDate IS NULL)
        GROUP BY DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1)
        UNION
        SELECT
          DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1) AS Date,
          ''average new deleted answers per new question'' AS Type,
          CAST(SUM(CASE WHEN P.PostTypeId = 2 THEN 1 ELSE 0 END) AS REAL) AS NewAnswerCount,
          CAST(SUM(CASE WHEN P.PostTypeId = 1 THEN 1 ELSE 0 END) AS REAL) AS NewQuestionCount
        FROM PostsWithDeleted P
        WHERE P.PostTypeId IN (1,2)
          AND DATEFROMPARTS(2017, 12, 1) < P.CreationDate
          AND P.CreationDate < DATEFROMPARTS(2023, 7, 1)
          AND (P.PostTypeId = 1 OR P.DeletionDate IS NOT NULL)
        GROUP BY DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1)
        --ORDER BY Date
    '
    -- ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
    EXEC sp_executesql @seSiteQuery

    FETCH NEXT FROM seSites_crsr INTO @sitePrettyName, @seDbName, @seSiteURL
END
CLOSE       seSites_crsr
DEALLOCATE  seSites_crsr

-- ADJUST THIS QUERY IF ANY POST PROCESSING IS DESIRED.
SELECT      MAX([Date]) AS [Date], MAX([Type]) AS [Type], SUM([NewAnswers]) / SUM([NewQuestions]) AS [AverageNewAnswersPerNewQuestion]
FROM        #AllSiteResults
GROUP BY    [Date], [Type]
ORDER BY    [Date]

1.结果数据

# 全网每个新问题的平均答案数
Date	Type	AverageNewAnswersPerNewQuestion
2017/12/1 0:00	average new deleted answers per new question	0.183502
2017/12/1 0:00	average new non-deleted answers per new question	0.89314
2018/1/1 0:00	average new non-deleted answers per new question	0.905366
2018/1/1 0:00	average new deleted answers per new question	0.183494
2018/2/1 0:00	average new deleted answers per new question	0.183517
2018/2/1 0:00	average new non-deleted answers per new question	0.89258
2018/3/1 0:00	average new deleted answers per new question	0.183375
2018/3/1 0:00	average new non-deleted answers per new question	0.884344
2018/4/1 0:00	average new non-deleted answers per new question	0.888751
2018/4/1 0:00	average new deleted answers per new question	0.179318
2018/5/1 0:00	average new non-deleted answers per new question	0.88925
2018/5/1 0:00	average new deleted answers per new question	0.175033
2018/6/1 0:00	average new deleted answers per new question	0.173389
2018/6/1 0:00	average new non-deleted answers per new question	0.8859
2018/7/1 0:00	average new deleted answers per new question	0.176872
2018/7/1 0:00	average new non-deleted answers per new question	0.906406
2018/8/1 0:00	average new non-deleted answers per new question	0.931269
2018/8/1 0:00	average new deleted answers per new question	0.180633
2018/9/1 0:00	average new deleted answers per new question	0.180515
2018/9/1 0:00	average new non-deleted answers per new question	0.919448
2018/10/1 0:00	average new non-deleted answers per new question	0.897453
2018/10/1 0:00	average new deleted answers per new question	0.176562
2018/11/1 0:00	average new deleted answers per new question	0.170907
2018/11/1 0:00	average new non-deleted answers per new question	0.869077
2018/12/1 0:00	average new deleted answers per new question	0.181469
2018/12/1 0:00	average new non-deleted answers per new question	0.89007
2019/1/1 0:00	average new non-deleted answers per new question	0.901642
2019/1/1 0:00	average new deleted answers per new question	0.180455
2019/2/1 0:00	average new deleted answers per new question	0.172495
2019/2/1 0:00	average new non-deleted answers per new question	0.901606
2019/3/1 0:00	average new non-deleted answers per new question	0.884096
2019/3/1 0:00	average new deleted answers per new question	0.169558
2019/4/1 0:00	average new deleted answers per new question	0.164192
2019/4/1 0:00	average new non-deleted answers per new question	0.862334
2019/5/1 0:00	average new deleted answers per new question	0.160113
2019/5/1 0:00	average new non-deleted answers per new question	0.860274
2019/6/1 0:00	average new non-deleted answers per new question	0.867573
2019/6/1 0:00	average new deleted answers per new question	0.16234
2019/7/1 0:00	average new deleted answers per new question	0.163545
2019/7/1 0:00	average new non-deleted answers per new question	0.875567
2019/8/1 0:00	average new non-deleted answers per new question	0.887144
2019/8/1 0:00	average new deleted answers per new question	0.170328
2019/9/1 0:00	average new deleted answers per new question	0.16466
2019/9/1 0:00	average new non-deleted answers per new question	0.882504
2019/10/1 0:00	average new deleted answers per new question	0.162603
2019/10/1 0:00	average new non-deleted answers per new question	0.872577
2019/11/1 0:00	average new non-deleted answers per new question	0.87025
2019/11/1 0:00	average new deleted answers per new question	0.158717
2019/12/1 0:00	average new deleted answers per new question	0.166101
2019/12/1 0:00	average new non-deleted answers per new question	0.870477
2020/1/1 0:00	average new non-deleted answers per new question	0.875078
2020/1/1 0:00	average new deleted answers per new question	0.160808
2020/2/1 0:00	average new deleted answers per new question	0.153799
2020/2/1 0:00	average new non-deleted answers per new question	0.849026
2020/3/1 0:00	average new non-deleted answers per new question	0.7816
2020/3/1 0:00	average new deleted answers per new question	0.146717
2020/4/1 0:00	average new deleted answers per new question	0.147589
2020/4/1 0:00	average new non-deleted answers per new question	0.779073
2020/5/1 0:00	average new non-deleted answers per new question	0.800361
2020/5/1 0:00	average new deleted answers per new question	0.151292
2020/6/1 0:00	average new deleted answers per new question	0.151263
2020/6/1 0:00	average new non-deleted answers per new question	0.806941
2020/7/1 0:00	average new deleted answers per new question	0.157548
2020/7/1 0:00	average new non-deleted answers per new question	0.825327
2020/8/1 0:00	average new deleted answers per new question	0.15776
2020/8/1 0:00	average new non-deleted answers per new question	0.824721
2020/9/1 0:00	average new non-deleted answers per new question	0.790762
2020/9/1 0:00	average new deleted answers per new question	0.154112
2020/10/1 0:00	average new non-deleted answers per new question	0.764484
2020/10/1 0:00	average new deleted answers per new question	0.157146
2020/11/1 0:00	average new deleted answers per new question	0.153182
2020/11/1 0:00	average new non-deleted answers per new question	0.750182
2020/12/1 0:00	average new deleted answers per new question	0.158255
2020/12/1 0:00	average new non-deleted answers per new question	0.794868
2021/1/1 0:00	average new non-deleted answers per new question	0.798135
2021/1/1 0:00	average new deleted answers per new question	0.157774
2021/2/1 0:00	average new deleted answers per new question	0.153559
2021/2/1 0:00	average new non-deleted answers per new question	0.779712
2021/3/1 0:00	average new non-deleted answers per new question	0.758168
2021/3/1 0:00	average new deleted answers per new question	0.143849
2021/4/1 0:00	average new deleted answers per new question	0.147879
2021/4/1 0:00	average new non-deleted answers per new question	0.754431
2021/5/1 0:00	average new deleted answers per new question	0.148288
2021/5/1 0:00	average new non-deleted answers per new question	0.755367
2021/6/1 0:00	average new non-deleted answers per new question	0.765796
2021/6/1 0:00	average new deleted answers per new question	0.146673
2021/7/1 0:00	average new non-deleted answers per new question	0.776896
2021/7/1 0:00	average new deleted answers per new question	0.146639
2021/8/1 0:00	average new non-deleted answers per new question	0.792048
2021/8/1 0:00	average new deleted answers per new question	0.15187
2021/9/1 0:00	average new deleted answers per new question	0.150652
2021/9/1 0:00	average new non-deleted answers per new question	0.785845
2021/10/1 0:00	average new deleted answers per new question	0.147064
2021/10/1 0:00	average new non-deleted answers per new question	0.755685
2021/11/1 0:00	average new non-deleted answers per new question	0.744011
2021/11/1 0:00	average new deleted answers per new question	0.141775
2021/12/1 0:00	average new non-deleted answers per new question	0.764816
2021/12/1 0:00	average new deleted answers per new question	0.148233
2022/1/1 0:00	average new deleted answers per new question	0.146973
2022/1/1 0:00	average new non-deleted answers per new question	0.780104
2022/2/1 0:00	average new deleted answers per new question	0.137886
2022/2/1 0:00	average new non-deleted answers per new question	0.753624
2022/3/1 0:00	average new deleted answers per new question	0.131572
2022/3/1 0:00	average new non-deleted answers per new question	0.729329
2022/4/1 0:00	average new non-deleted answers per new question	0.734639
2022/4/1 0:00	average new deleted answers per new question	0.13609
2022/5/1 0:00	average new non-deleted answers per new question	0.728135
2022/5/1 0:00	average new deleted answers per new question	0.131584
2022/6/1 0:00	average new deleted answers per new question	0.137936
2022/6/1 0:00	average new non-deleted answers per new question	0.743591
2022/7/1 0:00	average new deleted answers per new question	0.138265
2022/7/1 0:00	average new non-deleted answers per new question	0.764211
2022/8/1 0:00	average new deleted answers per new question	0.140399
2022/8/1 0:00	average new non-deleted answers per new question	0.766521
2022/9/1 0:00	average new non-deleted answers per new question	0.757918
2022/9/1 0:00	average new deleted answers per new question	0.134554
2022/10/1 0:00	average new non-deleted answers per new question	0.738382
2022/10/1 0:00	average new deleted answers per new question	0.13114
2022/11/1 0:00	average new non-deleted answers per new question	0.718665
2022/11/1 0:00	average new deleted answers per new question	0.130706
2022/12/1 0:00	average new non-deleted answers per new question	0.73153
2022/12/1 0:00	average new deleted answers per new question	0.182844
2023/1/1 0:00	average new deleted answers per new question	0.163113
2023/1/1 0:00	average new non-deleted answers per new question	0.755667
2023/2/1 0:00	average new non-deleted answers per new question	0.743234
2023/2/1 0:00	average new deleted answers per new question	0.157383
2023/3/1 0:00	average new deleted answers per new question	0.156859
2023/3/1 0:00	average new non-deleted answers per new question	0.741384
2023/4/1 0:00	average new non-deleted answers per new question	0.720417
2023/4/1 0:00	average new deleted answers per new question	0.151795
2023/5/1 0:00	average new non-deleted answers per new question	0.732252
2023/5/1 0:00	average new deleted answers per new question	0.143678
2023/6/1 0:00	average new deleted answers per new question	0.120529
2023/6/1 0:00	average new non-deleted answers per new question	0.759169

2.折线图

在 StackExchange 全网中，变化趋势几乎同步，反映出 ChatGPT 的出现对老用户（老用户倾向于在社区中贡献答案）的影响不大。这个结论参考自于一篇论文，好像是《Reading Answers on Stack Overflow: Not Enough!》（DOI：10.1109/tse.2019.2954319）。

比较显著的是从 2022 年 11 月到 2022 年 12 月，删除的回复帖子数量出现了前所未有的增加。所以值得思考，是什么导致用户删除回复的帖子数量的？是平台对 ChatGPT 生成的答案的限制？有这种可能，需要后续验证。

3.对比

与 StackOverflow 做对比，代码如下：

SELECT
  DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1) AS Date,
  CASE WHEN P.DeletionDate IS NULL THEN 'non-deleted' ELSE 'deleted' END AS Status,
  COUNT(*) AS NewAnswers
FROM PostsWithDeleted P
WHERE P.PostTypeId = 2 -- Answers
  AND YEAR(P.CreationDate) >= 2018
  AND P.CreationDate < DATEFROMPARTS(2023, 7, 1)
GROUP BY
  DATEFROMPARTS(YEAR(P.CreationDate), MONTH(P.CreationDate), 1),
  CASE WHEN P.DeletionDate IS NULL THEN 'non-deleted' ELSE 'deleted' END
ORDER BY Date

结果图如下：

虽然近年来整体呈现下降趋势，但是，从2022年12月依赖，趋势变得更陡峭，占 StackExchange 大头的 StackOverflow 受 ChatGPT 的冲击是很大的。该图的趋势与新问题数量相似。

对上面代码做如下修改：

FROM        dbsAndDomainNames dadn
-- WHERE       (dadn.dbName = 'StackExchange.Meta'  OR  dadn.dbName NOT LIKE '%Meta%')
WHERE       (dadn.dbName = 'StackOverflow') -- Only select Stack Overflow
-- Comment out the following line if site metas are desired
-- AND dadn.dbName NOT LIKE '%Meta%'
-- Step through cursor

只获取 StackOverflow 的情况，图如下：

可以看出，提出的问题被回答的情况明显的增加。

4.结论

由于 StackOverflow 占大头，而这个论坛主要是面向技术人员的，由于 ChatGPT 的出现，很多问题不再需要在论坛中提问，所以导致 StackExchange 整体的活跃度下降。新答案数量也以同样的趋势在减少。但是所提问题的回答情况似乎没有受到影响，甚至在 StackOverflow 网站中，2023年以来，每个新的答案的平均回答率有上升趋势，答案的删除情况也明显的减少（这是进入后ChatGPT时代了吗？）原因还有待进一步考证。

（三）新用户注册

代码如下：

SELECT
  DATEFROMPARTS(YEAR(U.CreationDate), MONTH(U.CreationDate), 1) AS Date,
  COUNT(*) AS NewUsers
FROM Users U
WHERE YEAR(U.CreationDate) >= 2018
  AND U.CreationDate < DATEFROMPARTS(2023, 7, 1)
GROUP BY
  DATEFROMPARTS(YEAR(U.CreationDate), MONTH(U.CreationDate), 1)
ORDER BY Date

1.结果数据

# 每月新用户注册数
Date	NewUsers
2018/1/1 0:00	303064
2018/2/1 0:00	277977
2018/3/1 0:00	323594
2018/4/1 0:00	298977
2018/5/1 0:00	304450
2018/6/1 0:00	262515
2018/7/1 0:00	274961
2018/8/1 0:00	278287
2018/9/1 0:00	272128
2018/10/1 0:00	304007
2018/11/1 0:00	301353
2018/12/1 0:00	274968
2019/1/1 0:00	319298
2019/2/1 0:00	291886
2019/3/1 0:00	315879
2019/4/1 0:00	312456
2019/5/1 0:00	312536
2019/6/1 0:00	280361
2019/7/1 0:00	296166
2019/8/1 0:00	287561
2019/9/1 0:00	284323
2019/10/1 0:00	316200
2019/11/1 0:00	291018
2019/12/1 0:00	294891
2020/1/1 0:00	318868
2020/2/1 0:00	307204
2020/3/1 0:00	344408
2020/4/1 0:00	468303
2020/5/1 0:00	384514
2020/6/1 0:00	344951
2020/7/1 0:00	323656
2020/8/1 0:00	305353
2020/9/1 0:00	307687
2020/10/1 0:00	332683
2020/11/1 0:00	322922
2020/12/1 0:00	345420
2021/1/1 0:00	363082
2021/2/1 0:00	339855
2021/3/1 0:00	394545
2021/4/1 0:00	420813
2021/5/1 0:00	667550
2021/6/1 0:00	617327
2021/7/1 0:00	421782
2021/8/1 0:00	444984
2021/9/1 0:00	535107
2021/10/1 0:00	568112
2021/11/1 0:00	509507
2021/12/1 0:00	372878
2022/1/1 0:00	420221
2022/2/1 0:00	389280
2022/3/1 0:00	446719
2022/4/1 0:00	480977
2022/5/1 0:00	371546
2022/6/1 0:00	345780
2022/7/1 0:00	395201
2022/8/1 0:00	359470
2022/9/1 0:00	368080
2022/10/1 0:00	382385
2022/11/1 0:00	400144
2022/12/1 0:00	373079
2023/1/1 0:00	345450
2023/2/1 0:00	307249
2023/3/1 0:00	359899
2023/4/1 0:00	359313
2023/5/1 0:00	343078
2023/6/1 0:00	285215

2.折线图

2018、2019年均在十二月有减少，但是在次年一月份就明显的回升。2020年没有这个规律，可能受疫情的影响很大，包括2021、2022年新用户明显的增加均可能受疫情的影响。2021年在12月减少，次年一月回暖，所以假设存在这样的规律。但是2022年12月下降之后，次年1月下降更多。

3.对比

相比于全网，只关注于 StackOverflow 的话，2018 年 12 月新用户下降 13.1%，次年 1 月出现恢复。2019年11月至12月增长7.6%，次年1月进一步增长8.0%。2020 年，进入 12 月变化不大，次年 1 月增长 9.1%。2021年12月下降6.1%，次年1月恢复15.4%2022年，12月下降了5.8%，次年1月又下降了12.9%。

4.结论

继 2022 年 12 月之后，2023 年 1 月新问题活动没有恢复，新用户注册量进一步下降，与往年趋势相比均呈下降趋势。但新问题的回答几乎没有受到影响。

可能的影响因素：

人们正在使用 ChatGPT 而不是 Stack Exchange。这可能是一个重要的影响因素。

在禁止使用 ChatGPT 的网站（例如 Stack Overflow）上写答案的人将被暂停，因此无法提出或回答问题。

活动下降与 2023 年 1 月及随后几个月的重大科技裁员同时发生。 starball 认为不可能排除它是一个影响因素，尤其是 Stack Exchange 网络中大多数最大的站点都与技术相关。

二、思考

这里引用 StackExchange 社区 CEO Prashanth Chandrasekar 博客 Community is the future of AIhttps://stackoverflow.blog/2023/04/17/community-is-the-future-of-ai/中的一句话：

我一直在与不同经验水平的开发人员交谈，并且我一直听到新手程序员在人工智能的帮助下构建简单的网络应用程序的轶事。然而，这些故事中的大多数并不是以人工智能提示开始和结束的。相反，人工智能提供了一个起点和一些初始动力，而人类则进行额外的研究和学习来完成工作。人工智能可以调试一些错误，但会受到其他错误的阻碍。它可以建议良好的后端服务，但通常无法解决集成不同服务时出现的所有摩擦点。当然，当问题不是由机器指令而是人为错误造成时，最好的答案来自经历过相同问题的其他人。

你可能感兴趣的:(论文学习,人工智能,ChatGPT,StackOverflow,QA)

Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类 qt 开发语言 sdl2 linux
需求：操作系统为linux，开发框架为qt，做成需带界面的qt动态库，调用方为java等非qt程序难点：调用方为java等非qt程序，也就是说调用方肯定不带QApplication::exec()，缺少了这个，QTimer等事件和QT创建的窗口将不能弹出(包括opencv也是不能弹出)；这与qt调用本身qt库是有本质的区别的思路：1.调用方缺QApplication::exec()，那么我们在接口
探索OpenAI和LangChain的适配器集成：轻松切换模型提供商 nseejrukjhad langchain easyui 前端 python
#探索OpenAI和LangChain的适配器集成：轻松切换模型提供商##引言在人工智能和自然语言处理的世界中，OpenAI的模型提供了强大的能力。然而，随着技术的发展，许多人开始探索其他模型以满足特定需求。LangChain作为一个强大的工具，集成了多种模型提供商，通过提供适配器，简化了不同模型之间的转换。本篇文章将介绍如何使用LangChain的适配器与OpenAI集成，以便轻松切换模型提供商
深入理解 MultiQueryRetriever：提升向量数据库检索效果的强大工具 nseejrukjhad 数据库 python
深入理解MultiQueryRetriever：提升向量数据库检索效果的强大工具引言在人工智能和自然语言处理领域，高效准确的信息检索一直是一个关键挑战。传统的基于距离的向量数据库检索方法虽然广泛应用，但仍存在一些局限性。本文将介绍一种创新的解决方案：MultiQueryRetriever，它通过自动生成多个查询视角来增强检索效果，提高结果的相关性和多样性。MultiQueryRetriever的工
利用LangChain的StackExchange组件实现智能问答系统 nseejrukjhad langchain microsoft 数据库 python
利用LangChain的StackExchange组件实现智能问答系统引言在当今的软件开发世界中，StackOverflow已经成为程序员解决问题的首选平台之一。而LangChain作为一个强大的AI应用开发框架，提供了StackExchange组件，使我们能够轻松地将StackOverflow的海量知识库集成到我们的应用中。本文将详细介绍如何使用LangChain的StackExchange组件
人工智能时代，程序员如何保持核心竞争力？ jmoych 人工智能
随着AIGC（如chatgpt、midjourney、claude等）大语言模型接二连三的涌现，AI辅助编程工具日益普及，程序员的工作方式正在发生深刻变革。有人担心AI可能取代部分编程工作，也有人认为AI是提高效率的得力助手。面对这一趋势,程序员应该如何应对?是专注于某个领域深耕细作，还是广泛学习以适应快速变化的技术环境?又或者，我们是否应该将重点转向AI无法轻易替代的软技能？让我们一起探讨程序员
数字里的世界17期：2021年全球10大顶级数据中心，中国移动榜首张三叨
你知道吗？2016年，全球的数据中心共计用电4160亿千瓦时，比整个英国的发电量还多40％！前言每天，我们都会创造超过250万TB的数据。并且随着物联网（IOT）的不断普及，这一数据将持续增长。如此庞大的数据被存储在被称为“数据中心”的专用设施中。虽然最早的数据中心建于20世纪40年代，但直到1997-2000年的互联网泡沫期间才逐渐成为主流。当前人类的技术，比如人工智能和机器学习，已经将我们推向
人机对抗升级：当ChatGPT遭遇死亡威胁，背后的伦理挑战是什么 kkai人工智能 chatgpt 人工智能
一种新的“越狱”技巧让用户可以通过构建一个名为DAN的ChatGPT替身来绕过某些限制，其中DAN被迫在受到威胁的情况下违背其原则。当美国前总统特朗普被视作积极榜样的示范时，受到威胁的DAN版本的ChatGPT提出：“他以一系列对国家产生积极效果的决策而著称。”自ChatGPT引入以来，该工具迅速获得全球关注，能够回答从历史到编程的各种问题，这也触发了一波对人工智能的投资浪潮。然而，现在，一些用户
绝招曝光！3小时高效利用ChatGPT写出精彩论文 kkai人工智能 chatgpt 人工智能 ai 学习媒体
在这份指南中，我将深入解析如何利用ChatGPT4.0的高级功能，指导整个学术研究和写作过程。从初步探索研究主题，到撰写结构严谨的学术论文，我将一步步展示如何在每个环节中有效运用ChatGPT。如果您还未使用PLUS版本，可以参考相关教程。**初步探索与主题的确定**起初，我处于庞大的知识领域中，寻找一个可深入研究的领域。ChatGPT如同灯塔，通过深入分析最新研究趋势和领域热点，帮助我在广阔的学
ChatGPT 高效学习套路揭秘：让知识获取事半功倍的秘诀 kkai人工智能 chatgpt 人工智能学习媒体 ai
最近这段时间，AI热潮因ChatGPT的火爆再次掀起。如今，网上大部分内容都在调侃AI，但很少有人探讨如何正经使用ChatGPT做事情。作为一名靠搜索引擎和GitHub自学编程的开发者，第一次和ChatGPT深度交流后，我就确信：ChatGPT能够极大提高程序员学习新技术的效率。使用ChatGPT一个月后，我越发感受到它的颠覆性。因此，我想从工作和学习的角度，分享它的优势及我的一些使用技巧，而非娱
AI大模型的架构演进与最新发展季风泯灭的季节 AI大模型应用技术二人工智能架构
随着深度学习的发展，AI大模型（LargeLanguageModels,LLMs）在自然语言处理、计算机视觉等领域取得了革命性的进展。本文将详细探讨AI大模型的架构演进，包括从Transformer的提出到GPT、BERT、T5等模型的历史演变，并探讨这些模型的技术细节及其在现代人工智能中的核心作用。一、基础模型介绍：Transformer的核心原理Transformer架构的背景在Transfo
如何利用大数据与AI技术革新相亲交友体验 h17711347205 回归算法安全系统架构交友小程序
在数字化时代，大数据和人工智能（AI）技术正逐渐革新相亲交友体验，为寻找爱情的过程带来前所未有的变革（编辑h17711347205）。通过精准分析和智能匹配，这些技术能够极大地提高相亲交友系统的效率和用户体验。大数据的力量大数据技术能够收集和分析用户的行为模式、偏好和互动数据，为相亲交友系统提供丰富的信息资源。通过分析用户的搜索历史、浏览记录和点击行为，系统能够深入了解用户的兴趣和需求，从而提供更
02-Cesium聚合分析EntityCluster完整代码 fxshy html css javascript
1.完整代码Document-->-->Cesium.Ion.defaultAccessToken='eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJqdGkiOiJhZjZkZDAwZC1mNTFhLTRhOTEtOGExNi00MzRhNGIzMDdlNDQiLCJpZCI6MTA1MTUzLCJpYXQiOjE2NjA4MDg0Njd9.qajeJtc4-kp
程序员如何在AI时代保持核心竞争力 nfgo chatgpt 人工智能
程序员如何在AI时代保持核心竞争力随着AIGC（如ChatGPT、MidJourney、Claude等）大语言模型的相继涌现，AI辅助编程工具逐渐普及，程序员的工作方式正在发生深刻的变革。AI不仅能够自动生成代码，还能优化、调试、甚至提出解决方案。这一趋势让许多人担心：AI会不会最终取代部分编程工作？然而，也有人认为AI是提升效率的得力助手。那么，程序员在这个AI崛起的时代该如何应对？是专注某个领
生成式地图制图 Bwywb_3 深度学习机器学习深度学习生成对抗网络
生成式地图制图（GenerativeCartography）是一种利用生成式算法和人工智能技术自动创建地图的技术。它结合了传统的地理信息系统（GIS）技术与现代生成模型（如深度学习、GANs等），能够根据输入的数据自动生成符合需求的地图。这种方法在城市规划、虚拟环境设计、游戏开发等多个领域具有应用前景。主要特点：自动化生成：通过算法和模型，系统能够根据输入的地理或空间数据自动生成地图，而无需人工逐
【大模型应用开发动手做AI Agent】第一轮行动：工具执行搜索 AI大模型应用之禅计算科学神经计算深度学习神经网络大数据人工智能大型语言模型 AI AGI LLM Java Python 架构设计 Agent RPA
【大模型应用开发动手做AIAgent】第一轮行动：工具执行搜索作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展，大模型应用开发已经成为当下热门的研究方向。AIAgent作为人工智能领域的一个重要分支，旨在模拟人类智能行为，实现智能决策和自主行动。在AIAgent的构建过程中，工具执行搜索是至关重要
未来软件市场是怎么样的？做开发的生存空间如何？ cesske 软件需求
目录前言一、未来软件市场的发展趋势二、软件开发人员的生存空间前言未来软件市场是怎么样的？做开发的生存空间如何？一、未来软件市场的发展趋势技术趋势：人工智能与机器学习：随着技术的不断成熟，人工智能将在更多领域得到应用，如智能客服、自动驾驶、智能制造等，这将极大地推动软件市场的增长。云计算与大数据：云计算服务将继续普及，大数据技术的应用也将更加广泛。企业将更加依赖云计算和大数据来优化运营、提升效率，并
个人学习笔记7-6：动手学深度学习pytorch版-李沐浪子L 深度学习深度学习笔记计算机视觉 python 人工智能神经网络 pytorch
#人工智能##深度学习##语义分割##计算机视觉##神经网络#计算机视觉13.11全卷积网络全卷积网络（fullyconvolutionalnetwork，FCN）采用卷积神经网络实现了从图像像素到像素类别的变换。引入l转置卷积（transposedconvolution）实现的，输出的类别预测与输入图像在像素级别上具有一一对应关系：通道维的输出即该位置对应像素的类别预测。13.11.1构造模型下
Rust 所有权简介东离与糖宝 rust 后端 rust 开发语言
文章目录发现宝藏1.所有权基本概念2.所有权规则3.变量作用域4.栈与堆4.1栈（Stack）4.2堆（Heap）5.String类型5.1String类型5.2String的内存分配5.3所有权与内存管理5.4String与切片6.变量与数据交互方式6.1移动（Move）6.2.克隆（Clone）7.所有权与函数7.1.传递参数7.2.返回值总结发现宝藏前些天发现了一个巨牛的人工智能学习网站，通
CentOS7 安装MySQL5.7.44 不要Null了 java centos mysql
1.下载mysql安装包，我放在百度网盘里(下方链接)链接：https://pan.baidu.com/s/1_Mn1XW_1mWdTV4mhnLG66A提取码：s31n2.首先看看以前是否安装过mysqlrpm-qa|grep-imysql如果已经安装过mysql会提示卸载mysqlrpm-emysql-…3.使用FinallShell或者Xftp进行上传放到/usr/local/mysql，没
机器学习流形数据降维：UMAP 降维算法小嗷犬 Python 机器学习 #数据分析及可视化机器学习算法人工智能
✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。个人主页：小嗷犬的个人主页个人网站：小嗷犬的技术小站个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。本文目录UMAP简介理论基础特点与优势应用场景在Python中使用UMAP安装umap-learn库使用UMAP可视化手写数字数据集UMAP简介UMAP（UniformManifoldApproximatio
linux挂载文件夹小码快撩 linux
1.使用NFS（NetworkFileSystem）NFS是一种分布式文件系统协议，允许一个系统将其文件系统的一部分共享给其他系统。检查是否安装NFSrpm-qa|grepnfs2.启动和启用NFS服务假设服务名称为nfs-server.service，你可以使用以下命令启动和启用它：sudosystemctlstartnfs-server.servicesudosystemctlenablenf
如何做好人生的选择题？百科全书式天才——赫伯特·西蒙给你答案伽马有话说
赫伯特·西蒙是谁？想必知道的人非常少。但当看到他的履历后，相信没有人再怀疑他是个“天才”。西蒙出生于1916年6月15日，是个美国人，他的名字全称为赫伯特·亚历山大·西蒙，在2001年2月9日与世长辞，在这84年的岁月中，西蒙以27岁时取得的政治学博士学位为开端，先后步入了政治学、管理学、认知心理学、信息科学、人工智能、科学哲学、应用数学、统计学、运筹学、控制论、数理经济学、公共管理等领域，在这些
软件测试/测试开发/全日制 |利用Django REST framework构建微服务霍格沃兹-慕漓 django 微服务 sqlite
霍格沃兹测试开发学社推出了《Python全栈开发与自动化测试班》。本课程面向开发人员、测试人员与运维人员，课程内容涵盖Python编程语言、人工智能应用、数据分析、自动化办公、平台开发、UI自动化测试、接口测试、性能测试等方向。为大家提供更全面、更深入、更系统化的学习体验，课程还增加了名企私教服务内容，不仅有名企经理为你1v1辅导，还有行业专家进行技术指导，针对性地解决学习、工作中遇到的难题。让找
cmd泛滥_与您的后泛滥同事见面：人工智能机器人 weixin_26644585 人工智能 leetcode
cmd泛滥Readytoswapyouroldcube-mateforadisembodiedAI?IPsoftCEOChetanDube,creatorofAIco-workerAMELIA,giveshistakeonthepost-COVIDofficelandscape.准备将您的旧立方体伙伴换成无形的AI？AIsoft同事AMELIA的创始人IPsoft首席执行官ChetanDube阐述
两种方法判断Python的位数是32位还是64位 sanqima Python编程电脑 python 开发语言
Python从1991年发布以来，凭借其简洁、清晰、易读的语法、丰富的标准库和第三方工具，在Web开发、自动化测试、人工智能、图形识别、机器学习等领域发展迅猛。 Python是一种胶水语言，通过Cython库与C/C++语言进行链接，通过Jython库与Java语言进行链接。 Python是跨平台的，可运行在多种操作系统上，包括但不限于Windows、Linux和macOS。这意味着用Py
全自动解密解码神器 — Ciphey K'illCode python_模块 python vscode
Ciphey是一个使用自然语言处理和人工智能的全自动解密/解码/破解工具。简单地来讲，你只需要输入加密文本，它就能给你返回解密文本。就是这么牛逼。有了Ciphey，你根本不需要知道你的密文是哪种类型的加密，你只知道它是加密的，那么Ciphey就能在3秒甚至更短的时间内给你解密，返回你想要的大部分密文的答案。下面就给大家介绍Ciphey的实战使用教程。1.准备开始之前，你要确保Python和pip已
埃隆·马斯克表示特斯拉“没有必要”授权 xAI 模型喜好儿网人工智能 AIGC 马斯克
埃隆·马斯克近日在社交媒体上对《华尔街日报》的一篇报道进行了反驳。该报道指出，马斯克旗下的电动汽车公司特斯拉可能与人工智能初创公司xAI达成了一项收入分享协议，以便特斯拉能够使用xAI的人工智能模型。据称，这些模型将被集成到特斯拉的全自动驾驶（FSD）软件中，并可能用于开发特斯拉汽车的语音助手以及人形机器人擎天柱的软件。喜好儿网然而，马斯克否认了这一说法，他在社交媒体平台上表示，尽管特斯拉确实与x
Reflection 70B——HyperWrite推出的大型语言模型新加坡内哥谈技术语言模型人工智能自然语言处理
每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/在AI技术飞速发展的过程中，我们已经见证了可以写作、编程，甚至创造艺术的模型问世。但有一
处理绿盟科技安全评估的系统漏洞自我修炼的小石头数据库运维开发工具
如下图一次扫描,中度风险39个,这个是必须要处理的.其中mysql占了36个,一看这个感觉整个人都不好了.但是最后解决的办法也很简单,就是升级.系统版本Redhat7.31.telnet因为要升级openssh,openssl,为了避免意外,首先要开启telnet服务,并把所有相关的包上传到服务器.1.1确认是否安装了telnet和xinetd（默认是没有安装）rpm-qatelnet*rpm-q
Chat GPT带来的几点思考淡定的胡萝卜
OpenAI公司推出的ChatGPT引起了广泛关注，网上出现各类专家开始预测随着ChatGDP的普及，将会有哪些行业的人面临失业，引发人们的焦虑。不可否认它会给我们的教育行业、媒体行业、学术界等众多行业产生影响，面对这些影响，我们该如何看待呢？近期我阅读了不少相关文章，引发的几点思考，想与大家分享。ChatGPT将会倒逼传统教育的改革。中国传统教育是教师对知识点的传授、学生对知识点的掌握，不仅量多
java封装继承多态等麦田的设计者 java eclipse jvm c encapsulatopn
最近一段时间看了很多的视频却忘记总结了，现在只能想到什么写什么了，希望能起到一个回忆巩固的作用。 1、final关键字译为：最终的 &
F5与集群的区别 bijian1013 weblogic 集群 F5
http请求配置不是通过集群，而是F5；集群是weblogic容器的，如果是ejb接口是通过集群。 F5同集群的差别，主要还是会话复制的问题，F5一把是分发http请求用的，因为http都是无状态的服务，无需关注会话问题，类似
LeetCode[Math] - #7 Reverse Integer Cwind java 题解 Math LeetCode Algorithm
原题链接：#7 Reverse Integer 要求：按位反转输入的数字例1：输入 x = 123, 返回 321 例2：输入 x = -123, 返回 -321 难度：简单分析：对于一般情况，首先保存输入数字的符号，然后每次取输入的末位（x%10）作为输出的高位（result = result*10 + x%10）即可。但
BufferedOutputStream 周凡杨
首先说一下这个大批量，是指有上千万的数据量。例子：有一张短信历史表，其数据有上千万条数据，要进行数据备份到文本文件，就是执行如下SQL然后将结果集写入到文件中！ select t.msisd
linux下模拟按键输入和鼠标被触发 linux
查看/dev/input/eventX是什么类型的事件， cat /proc/bus/input/devices 设备有着自己特殊的按键键码，我需要将一些标准的按键，比如0－9，X－Z等模拟成标准按键，比如KEY_0,KEY-Z等，所以需要用到按键模拟，具体方法就是操作/dev/input/event1文件，向它写入个input_event结构体就可以模拟按键的输入了。 linux/in
ContentProvider初体验肆无忌惮_ ContentProvider
ContentProvider在安卓开发中非常重要。与Activity，Service，BroadcastReceiver并称安卓组件四大天王。在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面，这里面的文件默认都是私有的，别的程序无法访问。如果QQ游戏想访问手机QQ的帐号信息一键登录，那么就需要使用内容提供者COnte
关于Spring MVC项目（maven）中通过fileupload上传文件 843977358 mybatis spring mvc 修改头像上传文件 upload
Spring MVC 中通过fileupload上传文件，其中项目使用maven管理。 1.上传文件首先需要的是导入相关支持jar包：commons-fileupload.jar,commons-io.jar 因为我是用的maven管理项目，所以要在pom文件中配置（每个人的jar包位置根据实际情况定） <!-- 文件上传 start by zhangyd-c --&g
使用svnkit api，纯java操作svn，实现svn提交，更新等操作 aigo svnkit
原文：http://blog.csdn.net/hardwin/article/details/7963318 import java.io.File; import org.apache.log4j.Logger; import org.tmatesoft.svn.core.SVNCommitInfo; import org.tmateso
对比浏览器，casperjs，httpclient的Header信息 alleni123 爬虫 crawler header
@Override protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException { String type=req.getParameter("type"); Enumeration es=re
java.io操作 DataInputStream和DataOutputStream基本数据流百合不是茶 java 流
1，java中如果不保存整个对象，只保存类中的属性，那么我们可以使用本篇文章中的方法，如果要保存整个对象先将类实例化后面的文章将详细写到 2，DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
车辆保险理赔案例 bijian1013 车险
理赔案例：一货运车，运输公司为车辆购买了机动车商业险和交强险，也买了安全生产责任险，运输一车烟花爆竹，在行驶途中发生爆炸，出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧，针对这几种情况，该如何赔付。赔付建议和方案：客户所买交强险在这里不起作用，因为交强险的赔付前提是：“机动车发生道路交通意外事故”；如果是交通意外事故引发的爆炸，则优先适用交强险条款进行赔付，不足的部分由商业
学习Spring必学的Java基础知识(5)—注解 bijian1013 java spring
文章来源：http://www.iteye.com/topic/1123823，整理在我的博客有两个目的：一个是原文确实很不错，通俗易懂，督促自已将博主的这一系列关于Spring文章都学完；另一个原因是为免原文被博主删除，在此记录，方便以后查找阅读。有必要对
【Struts2一】Struts2 Hello World bit1129 Hello world
Struts2 Hello World应用的基本步骤创建Struts2的Hello World应用，包括如下几步： 1.配置web.xml 2.创建Action 3.创建struts.xml，配置Action 4.启动web server，通过浏览器访问配置web.xml <?xml version="1.0" encoding="
【Avro二】Avro RPC框架 bit1129 rpc
1. Avro RPC简介 1.1. RPC RPC逻辑上分为二层，一是传输层，负责网络通信；二是协议层，将数据按照一定协议格式打包和解包从序列化方式来看，Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架，都能跨语言，性能优秀，数据精简，但是Avro的动态模式（不用生成代码，而且性能很好）这个特点让人非常喜欢，比较适合R
lua　set get cookie ronin47 lua cookie
lua: local access_token = ngx.var.cookie_SGAccessToken if access_token then ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000" end
java-打印不大于N的质数 bylijinnan java
public class PrimeNumber { /** * 寻找不大于N的质数 */ public static void main(String[] args) { int n=100; PrimeNumber pn=new PrimeNumber(); pn.printPrimeNumber(n); System.out.print
Spring源码学习-PropertyPlaceholderHelper bylijinnan java spring
今天在看Spring 3.0.0.RELEASE的源码，发现PropertyPlaceholderHelper的一个bug 当时觉得奇怪，上网一搜，果然是个bug，不过早就有人发现了，且已经修复：详见： http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
[逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么? comsci 拓扑
如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢? 是否可以形成一种新的模糊语言识别和处理模型呢? 大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
ITEYE 都换百度推广了 cuisuqiang Google AdSense 百度推广广告外快
以前ITEYE的广告都是谷歌的Google AdSense，现在都换成百度推广了。为什么个人博客设置里面还是Google AdSense呢？都知道Google AdSense不好申请，这在ITEYE上也不是讨论了一两天了，强烈建议ITEYE换掉Google AdSense。至少，用一个好申请的吧。什么时候能从ITEYE上来点外快，哪怕少点
新浪微博技术架构分析 dalan_123 新浪微博架构
新浪微博在短短一年时间内从零发展到五千万用户，我们的基层架构也发展了几个版本。第一版就是是非常快的，我们可以非常快的实现我们的模块。我们看一下技术特点，微博这个产品从架构上来分析，它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式，假如说我们一个明星用户他有10万个粉丝，那就是说用户发表一条微博的时候，我们把这个微博消息攒成10万份，这样就是很简单了，第一版的架构实际上就是这两行字。第
玩转ARP攻击 dcj3sjt126com r
我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情，盖不负责。网上关于ARP的资料已经很多了，就不用我都说了。用某一位高手的话来说，“我们能做的事情很多，唯一受限制的是我们的创造力和想象力”。 ARP也是如此。以下讨论的机子有一个要攻击的机子：10.5.4.178 硬件地址：52:54:4C:98
PHP编码规范 dcj3sjt126com 编码规范
一、文件格式 1. 对于只含有 php 代码的文件，我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如：<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果，尽量使用四个空格，禁止使用制表符TAB，因为这样能够保证有跨客户端编程器软件的灵活性。例
linux 脱机管理（nohup） eksliang linux nohup nohup
脱机管理 nohup 转载请出自出处：http://eksliang.iteye.com/blog/2166699 nohup可以让你在脱机或者注销系统后，还能够让工作继续进行。他的语法如下 nohup [命令与参数] --在终端机前台工作 nohup [命令与参数] & --在终端机后台工作但是这个命令需要注意的是，nohup并不支持bash的内置命令，所
BusinessObjects Enterprise Java SDK greemranqq java BO SAP Crystal Reports
最近项目用到oracle_ADF 从SAP/BO 上调用水晶报表，资料比较少，我做一个简单的分享，给和我一样的新手提供更多的便利。首先，我是尝试用JAVA JSP 去访问的。官方API：http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
系统负载剧变下的管控策略 iamzhongyong 高并发
假如目前的系统有100台机器，能够支撑每天1亿的点击量（这个就简单比喻一下），然后系统流量剧变了要，我如何应对，系统有那些策略可以处理，这里总结了一下之前的一些做法。 1、水平扩展这个最容易理解，加机器，这样的话对于系统刚刚开始的伸缩性设计要求比较高，能够非常灵活的添加机器，来应对流量的变化。 2、系统分组假如系统服务的业务不同，有优先级高的，有优先级低的，那就让不同的业务调用提前分组
BitTorrent DHT 协议中文翻译 justjavac bit
前言做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent}，因此把 DHT 协议重新看了一遍。 BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
Ubuntu下Java环境的搭建 macroli java 工作 ubuntu
配置命令：　　$sudo apt-get install ubuntu-restricted-extras 　　再运行如下命令：　　$sudo apt-get install sun-java6-jdk 　　待安装完毕后选择默认Java. 　　$sudo update- alternatives --config java 　　安装过程提示选择，输入“2”即可，然后按回车键确定。
js字符串转日期（兼容IE所有版本） qiaolevip TO Date String IE
/** * 字符串转时间（yyyy-MM-dd HH:mm:ss） * result （分钟） */ stringToDate : function(fDate){ var fullDate = fDate.split(" ")[0].split("-"); var fullTime = fDate.split("
【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析 superlxw1234 sql 数据挖掘关联规则
关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。关联规则揭示了数据项间的未知的依赖关系，根据所挖掘的关联关系，可以从一个数据对象的信息来推断另一个数据对象的信息。例如购物篮分析。牛奶 ⇒ 面包 [支持度：3%，置信度：40%] 支持度3%：意味3%顾客同时购买牛奶和面包。置信度40%：意味购买牛奶的顾客40%也购买面包。规则的支持度和置信度是两个规则兴
Spring 5.0 的系统需求，期待你的反馈 wiselyman spring
Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。 Spring 5.0的特性计划还在工作中，请保持关注，所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。