Being prepared for emergencies: a virtual environment experiment on the retention and maintenance of egress skills
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
The retention of safety-critical egress skills is an essential part of emergency preparedness on offshore petroleum platforms. Virtual environment (VE) training has been shown to be an effective method for teaching basic onboard familiarization and offshore emergency evacuation procedures. This technology has the potential to train crews before they are deployed offshore. This paper investigates the long-term retention and maintenance of emergency egress competence obtained using a virtual offshore platform. In particular, the research aimed to answer two questions: (1) what egress skills can be remembered after a period of 6 months? and (2) how effective is a VE-based retraining program at maintaining egress skills? A two-phased experiment was designed to first teach basic egress skills and subsequently assess skill retention after a 6- to 9-month period. The first phase of the experiment used a simulation-based mastery learning (SBML) pedagogical approach to teach naïve subjects the necessary spatial and procedural skills to evacuate safely. In the second phase of the experiment, the same 36 participants were tested after the retention interval on their ability to respond to a series of egress test scenarios. Participants who had trouble remembering the egress procedures were provided retraining on deficient skills. The results of the experiment indicate that emergency egress skills (both spatial and procedural knowledge) are susceptible to skill decay. This paper will highlight the skills that were most susceptible to skill fade after a period of 6 to 9 months and discuss the efficacy of the retraining participants received to return to competence.
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 | 0,001 | 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) | 0,007 | 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