MétaCan
Menu
Retour à la cohorte
Enregistrement W1975532470 · doi:10.4018/jcini.2013010102

The T-Sat1 Nanosatellite Design and Implementation Through a Team of Teams

2013· article· en· W1975532470 sur OpenAlexaff
Witold Kinsner, Dario Schor, Reza Fazel-Darbandi, Brendan Cade, Kane Anderson, Cody Friesen, Scott McKay, Diane Kotelko, Philip Ferguson

Notice bibliographique

RevueInternational Journal of Cognitive Informatics and Natural Intelligence · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed systems and fault tolerance
Établissements canadiensMagellan Aerospace (Canada)University of Manitoba
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAerospaceMultitudeEngineering managementFocus (optics)Systems engineeringGovernment (linguistics)Process management

Résumé

récupéré en direct d'OpenAlex

It is very challenging to design complex machines and systems that operate in very difficult remote locations, under largely unknown or uncertain conditions. Specifications for such systems must be extremely detailed and extensive, with input from professionals who have designed such systems before, and who gained considerable experience from their operations. Since much of the operating environment is not known in advance, cognitive informatics and computing should play a critical role in such design and operation. This paper describes such a complex system, the T-Sat1 nanosatellite, including its characteristics, its mission, subsystems, as well as the development of specifications, protocols for verification, testing, launch, early operating procedures, and concepts for nominal operations. Particular attention is given to the formation and maintenance of a team of teams, with a multitude of their interactions. The design teams must focus on the satellite subsystems, assembly, integration and testing. The teams of advisors (from academia, aerospace and other industries, business, military, government, and other organizations such as the radio community) must focus on optimal assistance provided to the corresponding design teams.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,302
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Cognitive Informatics and Natural IntelligenceMême sujetDistributed systems and fault toleranceTravaux en français237 207