Does Explicit Categorization Taxonomy Facilitate Performing Goal-Directed Task Analysis?
Notice bibliographique
Résumé
Situation awareness (SA) is an important factor that affects the performance of operators who work in complex environments. SA is defined as the perception of elements in an environment (level 1), understanding their meaning (level 2), and the projection of their state into the future (level 3). The first step to assess SA is identifying its requirements, for which goal-directed task analysis (GDTA) is the recommended technique. GDTA is a type of cognitive task analysis that focuses on the goals that a human operator must achieve, and the information required to accomplish them. The result of GDTA is a list of information (SA elements) that are categorized into the three SA levels. However, GDTA-based studies typically categorize SA elements into the three SA levels without stating their categorization rules. Therefore, this article proposes a taxonomy to categorize SA elements obtained via GDTA into SA levels. First, we present the results of a systematic literature review (N = 87) to gain insight into how analysts apply their classification criteria. Then, we propose a categorization taxonomy based on the ISO 15939 standard. To validate the proposed taxonomy, we analyze a subset of GDTA results in two cases, and the results of the analysis show that the proposed categorization rules are applicable to the two analyzed cases.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,018 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».