MétaCan
Menu
Retour à la cohorte
Enregistrement W3032021877 · doi:10.1155/2020/3240764

Civil Aviation Occurrences in Indonesia

2020· article· en· W3032021877 sur OpenAlexvenueno aff
Agus Pramono, Jason H. Middleton, Carlo Caponecchia

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Law and Aviation
Établissements canadiensnon disponible
Organismes subventionnairesLembaga Pengelola Dana Pendidikan
Mots-clésRunwayCivil aviationAviation safetyCrew resource managementAviationIndonesianAeronauticsCrewAir traffic controlTerrainEngineeringGeographyCartography

Résumé

récupéré en direct d'OpenAlex

Globally, civil air traffic has been growing rapidly in recent years, and with this growth, there has been a considerable improvement in air safety. However, in Indonesia, the recent rate of incidents and accidents in aviation is far higher than the global average. This study aims to assess civil aviation safety occurrences in Indonesia and, for the first time, to investigate factors contributing to these occurrences within commercial Indonesian aviation operations. In this study, 97 incident/accident investigation reports published by the Indonesian National Transportation Safety Committee between 2007 and 2015 were analysed. The most common occurrences involved Runway Excursions, Loss of Control In-Flight, and Controlled Flight into Terrain. In terms of the likelihoods of the occurrences and the severity of consequences, Runway Excursions were more common while Loss of Control In-Flight and Controlled Flight into Terrain events were more severe and often involved fatalities. In Indonesia, Runway Excursions were usually nonfatal and comprised 45% of the occurrences for commercial flights, compared to 34% globally. Further, in this study, weather and Crew Resource Management issues were found to be common contributing factors to the occurrences. Weather was a contributing factor for almost 50% of the occurrences involving Indonesian commercial flights. Adverse weather contributed to Loss of Visual Reference for visual flight operations in mountainous areas, which contributed to the majority of Indonesian fatal accidents. The combination of Indonesian monsoon climate and mountainous weather characteristics appears to provide many risks, mitigation of which may require specialist pilot training, particularly for multicrew aircraft. In identifying the main contributing factors, this study will hopefully provide motivation for changes in training and operations to enhance future aviation safety in Indonesia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,298
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetInternational Law and AviationTravaux en français237 207