MétaCan
Menu
Retour à la cohorte
Enregistrement W2118883699 · doi:10.1177/1557234x11410392

The Human Factors of Night Vision Goggles

2011· article· en· W2118883699 sur OpenAlexaff
Avi Parush, Michelle Gauthier, Lise Arseneau, Denis Tang

Notice bibliographique

RevueReviews of Human Factors and Ergonomics · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensUniversité du Québec
Organismes subventionnairesnon disponible
Mots-clésDaylightNight visionStereopsisPerceptionOrientation (vector space)Adaptation (eye)Peripheral visionTerrainComputer visionArtificial intelligenceComputer sciencePsychologyGeographyOpticsCartography

Résumé

récupéré en direct d'OpenAlex

The technology underlying night vision goggles (NVGs) enhances human ability to operate in dark and low-light conditions. However, NVG-aided vision is limited relative to daylight human vision and may entail risks. This review focuses on NVGs with image intensifier technology and explores the impact of their use on human performance. The review covers technology and device characteristics (image quality and field of view), physical configuration (ocular configuration, NVG weight, and forward center of gravity), and contextual and environmental factors (mission and task aspects, lighting, weather, and terrain). The key human factors in NVG use are visual and cognitive performance (visual acuity and contrast sensitivity, stereopsis and depth perception, distance and size estimation, spatial orientation, and situation awareness), and physical and physiological aspects (neck strain and injuries, and headaches). Understanding technology and contextual factors and their influence on human factors is critical to improving performance and safety with NVGs. Technology and device improvements, along with appropriate mission planning and training, play a critical role in aided night vision performance.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,057
Tête enseignante GPT0,289
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReviews of Human Factors and ErgonomicsMême sujetImpact of Light on Environment and HealthTravaux en français237 207