MétaCan
Menu
Retour à la cohorte
Enregistrement W2158387806 · doi:10.1109/cisda.2011.5945940

Complex decision making experimental platform (CODEM): A counter-insurgency scenario

2011· article· en· W2158387806 sur OpenAlexaff
Daniel Lafond, Michel B. Ducharme

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésTestbedComputer scienceTask (project management)Situation awarenessProcess (computing)AdversaryAdaptation (eye)Human–computer interactionSituational ethicsArtificial intelligenceKnowledge managementSystems engineeringEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

The complex decision making experimental platform (CODEM) is intended as a shareable research tool to stimulate multidisciplinary research on complex dynamic situation management and as an environment for training and testing cognitive readiness. The experimenter can set general parameters, configure the interface, specify the model, insert events and define the resources and capabilities of each player using the scenario development tool. No programming skills are required. Task complexity can be varied by introducing feedback loops, delayed effects, time pressure, situational uncertainty, adjusting model transparency and changing the relationships between system elements. CODEM creates detailed logs of events and actions essential for cognitive process tracing and the evaluation of decision making effectiveness. The first task designed with CODEM is a counter-insurgency scenario in which a coalition force seeks to stabilize a failing state. A genetic algorithm is used to estimate the best strategy in that scenario for comparison with human results. An adversarial version also allows insurgents to be controlled by a human opponent (or a red team) rather than an artificial agent. CODEM can be used as a cognitive engineering testbed and as a training environment for improving decision making and adaptation skills in complex situations.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0430,005

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 Opus0,393
Tête enseignante GPT0,429
Écart entre enseignants0,036 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComplex Systems and Decision MakingTravaux en français237 207