MétaCan
Menu
Retour à la cohorte
Enregistrement W2081264985 · doi:10.1109/icsmc.2010.5642412

A system dynamics view of stress: Towards human-factor modeling with computer agents

2010· article· en· W2081264985 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCausal loop diagramFactor (programming language)ENCODEHuman behaviorSystem dynamicsVirtual actorKey (lock)Human–computer interactionHuman-in-the-loopComplex systemRisk analysis (engineering)Artificial intelligenceVirtual realityComputer security

Résumé

récupéré en direct d'OpenAlex

Human-factor models are important for computer systems to i) make such systems more human aware (ie. better estimators of human behavior) and ii) make such systems demonstrate more realistic human behaviors (ie. display more human-like AI). These models expand the research horizons in domains such as multi-agent organizational simulation, as the impact of various human-factors can be investigated. This is particularly important in safety and security as organizational conflicts are largely impacted by human failures. Human-factor calculations, however, are difficult to quantify, validate, and encode because human behavior is both fuzzy and complex. This paper applies system dynamics, a modeling technique for understanding complex systems, to human-factors (stress in particular). It is a way that is computationally useful, and may be validated by experts in human studies. We first model stress as a causal loop diagram to discuss relationships between key components, and then produce a stocks and flows diagram to simulate behavior which, in future work, would be used for “mental models” in computer programs and agent simulations.

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.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,707

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,168
Tête enseignante GPT0,397
Écart entre enseignants0,229 · 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

En bref

Citations30
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComplex Systems and Decision MakingTravaux en français237 207