Notice bibliographique
Résumé
OBJECTIVE: The current study developed an online hangar talk survey (HTS) to solicit narratives describing challenging scenarios that professional pilots encountered during the hours-building phase of their career. BACKGROUND: The predicted pilot shortage will effectively reduce the minimum flying hours required for pilots to be hired at an airline, resulting in less opportunity to develop nontechnical skills naturalistically. To compensate, threat and error data from the hours-building phase of a pilot's career are required to inform training development. Pilots often share stories of such experiences, colloquially termed "hangar talk". METHOD: The HTS gathered 132 narrative descriptions of general aviation (GA) events from pilots along with the event's impact and whether the pilots would react differently if the scenario were encountered again. RESULTS: The distribution of threats reported by GA pilots was similar to that reported at the airline level. Logistic regression analysis revealed that decision-making errors were associated with recognition of the need to react differently in the future, and decision-making errors and proficiency errors were associated with greater perceived impact on skill development. CONCLUSION: The current HTS solicited an array of data similar to the findings of airline-based threat and error observations. Pilots perceive decision-making and proficiency errors as impactful on skill development. APPLICATION: An HTS can be used to gather naturalistic threat and error data and to create a database of operational stories that can be used to develop nontechnical training based on narrative thought.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».