Addressing the drone data collection process for the Required Data quality
Notice bibliographique
Résumé
A “patchwork” of domestic drone regulations that differ from country to country are being created, confusing operators and manufacturers in an industry that is predicted to evolve into a US$93 billion market in 10 years. Another report states that “the market for UAVs for Defense and Security operations will undergo periodic and regional fluctuations resulting from significant economic and technological changes. Global procurement over that period will exceed $130 Billion.” Not mentioned in these regulations is the quality and management of data required. For example, an initial step in drone data collection is the process of drone registries. Drone registries already exist within the United States, Canada, Ireland, United Arab Emirates, Switzerland, Australia, Hong Kong, Singapore and other countries - and are already dissimilar in such fields as size, weight, operational usage, etc. The International Civil Aviation Organization's (ICAO) Annex 15, Chapter 1, implies the necessity for a Quality Management System (QMS) when it states “Corrupt or erroneous aeronautical information/data can potentially affect the safety of air navigation.” Examples would include Notices to Airmen (NOTAMs), Pre-flight Information Bulletins (PIBs) and Aeronautical Information Circulars (AICs). Similar to these products and services, but possibly unobserved, is the inherent and essential need to fulfill specific requirements to meet the needs of drone users, no matter their intended legitimate purpose. In other words, with the explosive growth of drone usage, the need for aeronautical information / data of a required quality (e.g., adequacy, availability, timeliness, etc.) has never been greater than in the coming air navigation environment in which a higher accuracy of data will be required. Within the European Community (EC), a regulated subset of QMS is Aeronautical Data Quality (ADQ). The EC implementing rule for ADQ is EC Regulation 73/2010. The process of collecting drone data and meeting their aeronautical data quality standards was successfully implemented by the Irish Aviation Authority (IAA). How the Irish Aviation Authority (IAA) met their ADQ compliancy when they established their drone registry is the subject of this paper.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».