MétaCan
Menu
Retour à la cohorte
Enregistrement W2326528915 · doi:10.1177/154193120805200107

The Role of Human Engineering in the Design of the Orion Spacecraft

2008· article· en· W2326528915 sur OpenAlexaff
John A. Wise, Lee Morin, Mihriban Whitmore, Lila Laux, Chris Hamblin, John-Paul Stephens, Sudhakar Rajulu, Kritina Holden, Susan Baggerman, Lisa Fairey

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueSpace Exploration and Technology
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésCrewProcess (computing)Work (physics)Systems engineeringPanel discussionMars Exploration ProgramEngineering design processEngineeringSpacecraftSession (web analytics)Computer scienceAeronauticsEngineering managementBusinessAerospace engineeringMechanical engineeringAstrobiology

Résumé

récupéré en direct d'OpenAlex

The panel will discuss NASA's Crew Exploration Vehicle, Orion, which is being designed to take four humans back to the moon, and lay the groundwork for future manned missions to Mars. Given that the last design work for such a vehicle was performed over 30 years ago, a lot has changed. Since the contract was only recently awarded (2007), there is much work to be done: finalize requirements, mature the technology, design the systems and modules, produce the hardware and software, test the systems, and prepare for first flight operations planned for 2014. The panel, consisting of customer and contractor human engineering professionals, as well as an astronaut who is actively participating in the design process, will discuss current design issues, human factors approaches that are being applied, and current technical and cultural challenges. Audience insights and recommendations for addressing these challenges will form the interactive portion of the panel session.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,011
Communication savante0,0100,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,013
Tête enseignante GPT0,195
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetSpace Exploration and TechnologyTravaux en français237 207