Developing Intra-EVA Science Support Team Practices for a Human Mission to Mars
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
During the BASALT research program, real (nonsimulated) geological and biological science was accomplished through a series of extravehicular activities (EVAs) under simulated Mars mission conditions. These EVAs were supported by a Mission Support Center (MSC) that included an on-site, colocated Science Support Team (SST). The SST was composed of scientists from a variety of disciplines and operations researchers who provided scientific and technical expertise to the crew while each EVA was being conducted (intra-EVA). SST management and organization developed under operational conditions that included Mars-like communication latencies, bandwidth constraints, and EVA plans that were infused with Mars analog field science objectives. This paper focuses on the SST workspace considerations such as science team roles, physical layout, communication interactions, operational techniques, and work support technology. Over the course of BASALT field deployments to Idaho and Hawai'i, the SST team made several changes of note to increase both productivity and efficiency. For example, new roles were added for more effective management of technical discussions, and the layout of the SST workspace evolved multiple times during the deployments. SST members' reflexive adjustments resulted in a layout that prioritized face-to-face discussions over face-to-data displays, highlighting the importance of interpersonal communication during SST decision-making. In tandem with these workspace adjustments, a range of operational techniques were developed to help the SST manage discussions and information flow under time pressure.
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.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle