MétaCan
Menu
Retour à la cohorte
Enregistrement W3109334768

선박 근접상황에서 항해사의 인적특성요인이 지각한 충돌위험도에 미치는 영향에 관한 연구

2020· article· ko· W3109334768 sur OpenAlexaboutno aff
김도훈

Notice bibliographique

Revue해양환경안전학회지 · 2020
Typearticle
Langueko
DomaineSocial Sciences
ThématiqueEducation, Safety, and Science Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCollisionLicenseQuarter (Canadian coin)StatisticsPsychologyDemographyApplied psychologyComputer securityComputer scienceGeographyMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study focuses on the margin of human error when a navigator is embarrassed by the psychological fear of collision in a close-quarter situation (CQS) and is unable to perform as per the prescribed collision avoidance measures. The purpose of the study is to identify the effects of the navigator's personal characteristics or factors in relation to on-board career (OC), license rating (LR), and age on the perceived collision risk (PCR) in CQSs. In order to obtain quantified data regarding the collision risk perceived by the navigator in four typical CQSs between their own ship and a target ship, this study measured and collated the heart rate variability of 30 navigators on their own ship when two ships approached each other at a speed of 10 knots from 2.5 nautical miles to a collision situation. According to a multiple regression analysis of the measured values, the navigators’ OC and LR factors had negative effects on the PCR, while the age factor had no significant effect on PCR. The t-test results showed that the PCR value was significantly higher for navigators with an OC ≤ 4 years than for those with an OC ≥ 5 years, and the LR factor was significantly higher for a class 4∼6 group than for a class 2∼3. This finding may be applied to the development of collision risk warning systems, particularly for navigators.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,081
Tête enseignante GPT0,368
Écart entre enseignants0,287 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue해양환경안전학회지Même sujetEducation, Safety, and Science StudiesTravaux en français237 207