Mitigation of Conflicts with Automation
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.
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to empirically assess the efficacy of cognitive countermeasures based on the technique of information removal to enhance human operator attentional disengagement abilities when facing attentional tunneling. BACKGROUND: Lessons learned from human factors studies suggest that conflict with automation leads to the degradation of operators' performance by promoting excessive focusing on a single task to the detriment of the supervision of other critical parameters. METHOD: An experimental setup composed of a real unmanned ground vehicle and aground station was developed to test the efficiency of the cognitive countermeasures.The scenario (with and without countermeasure) involved an authority conflict between the participants and the robot induced by a battery failure.The effects of the conflict and, in particular, the impact of cognitive countermeasures on the participants' cognition and arousal were assessed through heart rate measurement and eye tracking techniques. RESULTS: In the control group (i.e., no countermeasure), 8 out of 12 participants experienced attentional tunneling when facing the conflict, leading them to neglect the visual alarms displayed that would have helped them to understand the evolution of the tactical situation. Participants in the countermeasure group showed lower heart rates and enhanced attentional abilities, and 10 out of 11 participants made appropriate decisions. CONCLUSIONS: The use of cognitive countermeasures appeared to be an efficient means to mitigate excessive focus issues in the unmanned ground vehicle environment. APPLICATIONS: The principle of cognitive countermeasures can be applied to a large domain of applications involving human operators interacting with critical 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle