MétaCan
Menu
Retour à la cohorte
Enregistrement W3087103703 · doi:10.1177/0018720820952907

The Effect of Wave Motion Intensities on Performance in a Simulated Search and Rescue Task and the Concurrent Demands of Maintaining Balance

2020· article· en· W3087103703 sur OpenAlexaff
Carolyn A. Duncan, Nicole Bishop, Vicki Komisar, Scott N. MacKinnon, Jeannette M. Byrne

Notice bibliographique

RevueHuman Factors The Journal of the Human Factors and Ergonomics Society · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensSimon Fraser UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Search and rescueMotion (physics)Balance (ability)ElectromyographyIntensity (physics)SimulationComputer sciencePhysical medicine and rehabilitationMotion captureArtificial intelligenceEngineeringMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to examine how intensity of wave motions affects the performance of a simulated maritime search and rescue (SAR) task. BACKGROUND: Maritime SAR is a critical maritime occupation; however, the effect of wave motion intensity on worker performance is unknown. METHODS: Twenty-four participants (12 male, 12 female) performed a simulated search and rescue task on a six-degree-of-freedom motion platform in two conditions that differed in motion intensity (low and high). Task performance, electromyography (EMG), and number of compensatory steps taken by the individual were examined. RESULTS: As magnitude of simulated motion increased, performance in the SAR task decreased, and was accompanied by increases in lower limb muscle activation and number of steps taken. CONCLUSIONS: Performance of an SAR task and balance control may be impeded by high-magnitude vessel motions. APPLICATION: This research has the potential to be used by maritime engineers, occupational health and safety professionals, and ergonomists to improve worker safety and performance for SAR operators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,051
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,351
Écart entre enseignants0,291 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Factors The Journal of the Human Factors and Ergonomics SocietyMême sujetOccupational Health and PerformanceTravaux en français237 207