Avoiding Friendly Fire: Constructing Behaviorally-Anchored Rating Scales to Assess Team Cognition in Distributed Mission Training for Close Air Support
Notice bibliographique
Résumé
Distributed Mission Training (DMT), where trainees who are geographically distributed train for common missions using simulators connected via high-speed data networks, has been shown to be an effective training tool, particularly for Air Force operations. The Canadian Forces (CF) are interested in assessing the effectiveness and applicability of DMT for joint (air-land) and coalition missions. To this end, a rating instrument using behaviorally-anchored rating scales (BARS) was designed and trialed at Exercise Northern Goshawk, a distributed Close Air Support (CAS) simulation exercise that involved participants from the United States, the United Kingdom and Canada in August 2007. Effective team performance and training is essential in order to avoid friendly fire incidents while conducting CAS. The BARS instrument was thus designed to assess the quality of team coordination and performance at key moments of CAS missions. It is based on a validated Hierarchical Task Analysis of CAS missions as performed by Canadian Forward Air Controllers (FACs) and Pilots, and makes use of the behavioral markers of team cognition breakdowns proposed by Wilson, Salas, Priest and Andrews (2007). Here we describe the process of combining the behavioral markers and the HTA to develop the BARS. We also discuss the results that were obtained with the instrument, the challenges encountered while applying it, and propose future directions for validating and improving it.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».