MétaCan
Menu
Retour à la cohorte
Enregistrement W2043482604 · doi:10.1177/1071181311551009

Studying Collision Avoidance by Nearly Colliding

2011· article· en· W2043482604 sur OpenAlexaff
Jocelyn Keillor, Greg Craig, David Rozovski, R. Erdos

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésCollision avoidanceCollisionTest (biology)PhysicsAerospace engineeringAeronauticsComputer scienceGeologyEngineeringComputer securityPaleontology

Résumé

récupéré en direct d'OpenAlex

As the next generation of air traffic systems (NextGen) moves forward, human factors analyses related to warnings and graphical depictions of air traffic conflicts become increasingly important. Despite this, related human-factors research involving traffic has been conducted in simulation where the contributions of traffic display systems and ultimately visual detection of traffic cannot be fully assessed. We report a flight trial involving 12 deliberate near miss (as little as 160 ft) configurations of differing intercept angles. We evaluate the workload and track error of the intruder test pilot for flight trials in which a custom iPod™ Automatic Dependent Surveillance-Broadcast (ADS-B)-driven display was used. Constant and variable error of trajectory tracks were differentially affected by the availability of three-dimensional real world information for the intercept approach. We consider the components of spatial representation common to planned interceptions and traffic avoidance and discuss the implications for the design of cockpit display of traffic information (CDTI) systems and the role of automation in collision avoidance systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,185
Écart entre enseignants0,171 · 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'étudeObservationnel
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

Citations8
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207