A review of human factors research performed from 2014 to 2017 in support of the Royal Canadian Air Force remotely piloted aircraft system project
Notice bibliographique
Résumé
Remotely piloted aircraft systems (RPASs) are tools for military organizations to help remove humans from dangerous situations and permit operations in severe and inhospitable environments. To support the procurement of an RPAS fleet under Canada’s Strong, Secure, Engaged 2017 defence policy, the Royal Canadian Air Force (RCAF) under the RCAF Joint Unmanned Surveillance and Target Acquisition System project (subsequently replaced by the RCAF RPAS project) funded Defence Research and Development Canada – Toronto Research Centre to conduct a preliminary investigation of human factors (HF) issues relating to the performance of the crew in the ground control station (GCS) to control a RPAS. This paper presents a review of the RCAF research program conducted between 2014 and 2017 that discusses HF issues in RPAS operations and how training is associated with the HF attributes of decision-making, skills and knowledge, and mission preparation. Also, this paper presents a training needs analysis methodology and analysis that identified essential RPAS crew competencies (expressed as the knowledge, skills, and abilities required by each crew member to perform their respective tasks). Finally, this paper discusses work that investigated experimentation and evaluation capabilities to support RPAS operator training and GCS airworthiness certification.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».