MétaCan
Menu
Retour à la cohorte
Enregistrement W2793456627 · doi:10.24900/ijss/02018493.2018.0301

Documentation of Assumptions and System Vulnerability Monitoring: the Case of System Theoretic Process Analysis (STPA)

2018· article· en· W2793456627 sur OpenAlexvenueno aff
Nektarios Karanikas

Notice bibliographique

RevueInternational Journal of Safety Science · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDocumentationVulnerability (computing)Process (computing)Computer scienceData miningComputer securityProgramming language

Résumé

récupéré en direct d'OpenAlex

The documentation of assumptions during hazard and risk analysis allows the monitoring of their validity which can function as a leading performance indicator. This paper through a combination of literature references and pragmatic standpoints presents the groups of assumptions which the analyst can make at each discrete step of the System Theoretic Process Analysis (STPA) and elaborates on the connection between invalid assumptions and system vulnerability. Ten assumption groups were identified as possible during the performance of STPA, starting from the system definition and moving to the last activity of the particular technique, namely the generation and testing of causal scenarios. The assumptions were attributed to the boundaries with regard to the scope and resources of the analysis and the inevitable assignment of maintenance of constraints and fulfilment of requirements to agents that are external to the system under study. Also, the impact of the assumptions was linked to the hierarchical system level under the claim that the higher the system level the assumptions are made, the higher the system vulnerability. The assumption groups derived in this study can assist users of STPA and other hazard analysis techniques in the recognition and documentation of assumptions and render their analysis results more credible and transparent. Moreover, the current work might complement hazard analysis guidelines and can be incorporated in software applications that support such analyses.

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)0,002
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 enseignants0,389
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,309
Écart entre enseignants0,298 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety ScienceMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207