A study on the effects of e-navigation on reducing vessel accidents
Notice bibliographique
Résumé
The dissertation aims to evaluate how and to what extent e-navigation contributes to reducing accidents for SOLAS ships as well as non-SOLAS ships, hoping that the results are referred to IMO Member States when they are implementing enavigation along with the maritime sectors such as shipping companies, crews on board ships and manufactures developing e-navigation related systems. The study focuses on the potential effects of e-navigation based on tool kits of the IMO e-navigation for SOLAS ships and services of SMART-navigation, which is the Korean approach to implementing the e-navigation concept for both SOLAS ships and non-SOLAS ships. The processes and the methodologies that are used by the IMO to assess the effects of e-navigation are investigated. The vessel accidents for all ships in Korean waters and all Korean-flagged ships worldwide during the 5 years from 2009 to 2013 are analyzed. The formula is proposed to calculate the effects of e-navigation on reducing accidents, which can also be used by other Member States of the IMO when they implement e-navigation in their waters. The direct causes of accidents, which are reducible by the risk control options (RCOs), and the RCOs, which are applicable to non-SOLAS ships, are identified. Additionally, an expert questionnaire survey is carried out with a view to supporting the validity of identifying the RCOs and the direct causes. The results are collated and evaluated for the potential effects of e-navigation on reducing accidents, in relation to type of accidents as well as type of ships, for comparison with the results obtained by the IMO and for reference of other Member States. The concluding chapter examines the results of analysis of e-navigation's tool kits and methodologies to assess their effects on reducing accidents, and discusses the potential rate of accident reduction through e-navigation. A number of recommendations are made concerning the need for further investigation in quantifying the coefficient applied to the proposed formula for evaluating the effects of e-navigation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».