1006 Comparisons between the differences in scanning patterns between novice and experienced load-haul-dump operators pre- and post- mining equipment simulator training
Notice bibliographique
Résumé
Introduction Previous literature specific to simulator training in the mining industry has mostly been conducted by mining or simulator companies themselves, focusing solely on improvements to efficiency or procedures. There is a lack of evidence for how novice and experienced users perform on objective measures of workload including response times or eye movements. Eye fixations are found to be a useful measure of expertise and confidence along with an indicator of arousal or mental workload. The objective of this study is to determine differences in fixations between novice and expert load-haul-dump (LHD) operators, when completing training in a simulator. Methods Novice operators completing a four-day training program on an LHD simulator performed the same training run as an experienced operator. Tobii Pro Glasses 2 was used to collect eye movement data during first and last training runs. Particular emphasis was placed on manoeuvring and tramming, two work activities linked to fatal interactions with pedestrians. Scanning patterns of novice operators will be compared to expert using Tobii Pro Lab software. Results The projected results are that there will be noticeable changes in novice operators scanning pattern between their first and last training run, and will begin to resemble the expert operator’s eye behaviour over the period of training. Preliminary results demonstrate that the scanning patterns of the novice are more diverse and less focal than the expert. Conclusion Operating heavy machinery within dynamic environments of mines can be quite hazardous due to limited line of sight and confined spaces. Simulator training can minimise risk to operators and equipment, by allowing operators to gain skills in a controlled environment. These results will allow training facilities to recognise expert eye movement patterns and provide cues to novice users to rapidly improve their learning and ultimately lead to the prevention of accidents.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».