A Comparison of Control Activity and Heart Rate as Measures of Pilot Workload in a Helicopter Tracking Task
Notice bibliographique
Résumé
Two qualified test pilots performed a target tracking flight task on a Bell 205 helicopter. Cooper-Harper handling quality ratings confirmed that pilot compensation was proportional to task difficulty. Pilot control activity was measured using the Dynamic Interface Modeling and Simulation System Product Metric (DIMSS-PM) to quantify the number and amplitude of control deflections during each trial. Inter-beat interval measures of heart rate and heart rate variability were also computed to evaluate the pilot's autonomic nervous system (ANS) response to task workload. The DIMSS-PM was positively correlated with task difficulty, as expected based on the dynamics of target motion for each difficulty level. By comparison, the mean and high-frequency (HF) variability of heart beat intervals were negatively correlated with task difficulty, suggesting an increase in ANS arousal with increased pilot workload. Pilot-specific differences were found in the time-dependent relationship between DIMSS-PM, mean heart beat interval, and HF variability, indicating that control activity and heart rate metrics provide asynchronous and complementary information about pilot workload during helicopter flight. NOTATION ANOVA Analysis of Variance ANS Autonomic Nervous System DIMMS-PM Dynamic Interface Modeling and Simulation System Product Metric ECG Electrocardiogram FBW Fly-By-Wire FRL Flight Research Laboratory HR Heart Rate HRV Heart Rate Variability HQR Handling Qualities Rating NRC National Research Council Canada RRI Inter-beat (R-R) Interval RMS Root Mean Square RMSSD RMS of Successive Differences in RRI SDNN Standard Deviation of RRI HF High Frequency (0.15 - 0.4 Hz) LF Low Frequency (0.04 - 0.15 Hz)
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 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) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».