MétaCan
Menu
Retour à la cohorte
Enregistrement W2009277668 · doi:10.1518/155534307x264898

Development and Evaluation of an Intuitive Operational Planning Process

2007· article· en· W2009277668 sur OpenAlexaffabout
David Bryant, Lora Bruyn Martin, F Bandali, Lisa Rehak, Robert Vokac, Tab Lamoureux

Notice bibliographique

RevueJournal of Cognitive Engineering and Decision Making · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Operational planningProcess managementComputer scienceMilitary doctrineOperations researchKey (lock)Set (abstract data type)Action (physics)Comprehensive planningLand-use planningDoctrineOperations managementManagement scienceEngineeringComputer securityLand useBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Although formal planning procedures are key parts of military doctrine, they may not be well suited to highly dynamic, time-pressured environments. The authors describe an intuitive planning process developed as an alternative to the procedure used by the Canadian Forces (CF). The Intuitive Operational Planning Process (IOPP) treats planning as a highly iterative process of incremental refinement in which a single course of action is elaborated and continually evaluated for its suitability. To examine the effectiveness of the IOPP, 12 members of a reserve CF Civil Military Cooperation unit of Land Force Central Area acted as planning staffs and created plans for two simulated planning exercises. Participants employed the IOPP for one scenario and the existing CF Operational Planning Process (OPP) for another. The teams were able to successfully employ the IOPP to develop acceptable plans; however, it was not possible to determine statistically that the quality of these plans surpassed that of plans generated with the OPP because of limitations of the data set. The IOPP was judged to be very easy to use, but teams expressed less trust in it than the existing OPP. The IOPP may foster greater collaboration and commander involvement in planning than the OPP.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,102
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,102
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,060
Tête enseignante GPT0,448
Écart entre enseignants0,388 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive Engineering and Decision MakingMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207