MétaCan
Menu
Retour à la cohorte
Enregistrement W347352520

Joint Command Support Through Workspace Analysis, Design and Optimization (Soutien du Commandement Interarmees au Moyen de L'Analyse, de la Conception et de L'Optimisation de L'Espace de Travail)

2009· article· fr· W347352520 sur OpenAlexaboutno aff
Wembi Wang

Notice bibliographique

Revuenon disponible
Typearticle
Languefr
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkspaceJoint (building)Multinational corporationProcess (computing)Operations researchSoftwareEngineeringComputer scienceProcess managementEngineering managementPolitical scienceRobotOperating systemArchitectural engineeringArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract : The current Canadian Forces (CF) transformation focuses on network enabled capabilities and promotes joint operations both within the CF and under a broad joint, inter-agency, multinational, public (JIMP) paradigm. The past a few years have witnessed an increased demand on the science and technology (S&T) support for performing ergonomic analysis and workspace design for joint operations centres. A series of studies have been conducted from 2006 to 2008 in which workspace solutions were produced for three different joint command centres. In these studies, a new design process, Alternative method for Workspace Analysis and Design (AWAND), was proposed and then further developed. A-WAND is based on integrating and streamlining existing design procedures recommended in industrial standards and is tailored to support unique operational requirements of a CF joint command centre. In addition, it emphasizes the use of analytical methods and software tools that have been developed, and therefore possessed, by Defence Research and Development Canada (DRDC). This report describes AWAND, documents the best design practises, and discusses future research and development (R&D) efforts that are needed to further advance DRDC's capability in this area.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,273
Écart entre enseignants0,259 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTechnology Assessment and ManagementTravaux en français237 207