MétaCan
Menu
Retour à la cohorte
Enregistrement W2545106310 · doi:10.1027/2192-0923/a000102

Cognitive Factors Mediate the Relation Between Age and Flight Path Maintenance in General Aviation

2016· article· en· W2545106310 sur OpenAlexaff
Kathleen Van Benthem, Chris M. Herdman

Notice bibliographique

RevueAviation Psychology and Applied Human Factors · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCognitionAviationEffects of sleep deprivation on cognitive performancePsychologyPath analysis (statistics)Flexibility (engineering)Cognitive flexibilityCognitive skillAviation safetyGeneral aviationWorking memoryAeronauticsCognitive psychologyComputer scienceEngineeringStatisticsMathematicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Abstract. Identifying pilot attributes associated with risk is important, especially in general aviation where pilot error is implicated in most accidents. This research examined the relationship of pilot age, expertise, and cognitive functioning to deviations from an ideal circuit trajectory. In all, 54 pilots, of varying age, flew a Cessna 172 simulator. Cognitive measures were obtained using the CogScreen-AE ( Kay, 1995 ). Older age and lower levels of expertise and cognitive functioning were associated with significantly greater flight path deviations. The relationship between age and performance was fully mediated by a cluster of cognitive factors: speed and working memory, visual attention, and cognitive flexibility. These findings add to the literature showing that age-related changes in cognition may impact pilot performance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,350
Écart entre enseignants0,312 · 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 tête enseignante, pas un consensus.

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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAviation Psychology and Applied Human FactorsMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207