MétaCan
Menu
Retour à la cohorte
Enregistrement W2156703647 · doi:10.1518/001872007x215746

Gaze Behavior of Spotters During an Air-to-Ground Search

2007· article· en· W2156703647 sur OpenAlexaff
James L. Croft, Daniel J. Pittman, Charles T. Scialfa

Notice bibliographique

RevueHuman Factors The Journal of the Human Factors and Ergonomics Society · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésVisual searchTask (project management)GazeSearch and rescueSimulationComputer scienceArtificial intelligenceEngineeringRobot

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study was designed to develop methods for evaluating the gaze behaviors of spotters during air-to-ground search and to compare field-derived measures with previous lab results. Secondary aims were to assess adherence to a prescribed scan path, evaluate search effectiveness, and determine the predictors of task success. BACKGROUND: Crashed aircraft must be located quickly to minimize loss of life, often requiring visual search from the air. METHOD: Eye movements were measured in 10 volunteer spotters while they searched from the air for ground targets. Visual acuity, contrast levels, and performance on a lab-based search task were also measured. RESULTS: Results were similar to those of previous lab-based studies of air-to-ground search. Task success could be predicted best from a combination of gaze and laboratory variables, and as in previous research, experience was not one of them. CONCLUSIONS: In both lab and field research, performance is poor. Improvements in air search and rescue success will depend upon improvements in training, the refinement of scan tactics, changes to the task methods or environment, or modifications to parameters of the search exercise. APPLICATION: Spotters were unable to reliably search their assigned area, which has implications for the current search training program and in-the-air protocol.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,883

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,352
Écart entre enseignants0,302 · 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.

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

Citations13
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Factors The Journal of the Human Factors and Ergonomics SocietyMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207