Enhancing Workload Assessments for Validation Activities Associated with DBA and BDBA Scenarios
Notice bibliographique
Résumé
After the Fukushima Daiichi accident, nuclear regulators around the world have required that power reactor licensees develop more extensive emergency mitigating responses and severe accident management provisions beyond the defense-in-depth measures for design-basis accidents previously in place. Workload assessments represent common validation techniques that are used to demonstrate that workers are able to perform tasks without unacceptable performance degradation. High workload is known to induce stress and fatigue and may severely diminish a worker’s capacity to perceive, recognize, and respond appropriately during emergency or unanticipated events, which may result in undesirable consequences. In estimating workload during emergency and severe accident scenarios, power reactor licensees tend to rely on subjective measures of workload, such as the NASA Task Load Index. Because of reported mismatches in the literature between subjective and physiologically derived estimates of workload, it is prudent to see what more can be done to improve the current state of practice in the context of emergency and severe accident conditions.To improve confidence in workload estimates, it is advocated that the nuclear industry integrate physiologically based measures into current practices by making use of on-body or wearable physiological sensors. In this paper, an overview of three different approaches to the empirical measurement of workload is provided. The advantages of wearable physiological sensors are considered in the context of extreme environments and occupations, with tangible examples including heat stress and pupillometry. Suggestions for a consensus forum on workload are provided, and a research plan directed at improving the current practice of workload estimation is offered for consideration.
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 | 0,011 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».