MétaCan
Menu
Retour à la cohorte
Enregistrement W4205284702 · doi:10.1139/juvs-2021-0009

Pilots’ willingness to operate in urban air mobility integrated airspace: a moderated mediation analysis

2022· article· en· W4205284702 sur OpenAlexvenueno aff
Lakshmi Vempati, Sabrina Woods, Scott R. Winter

Notice bibliographique

RevueDrone Systems and Applications · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAviationNational Airspace SystemAir traffic controlMediationAeronauticsStakeholderTransport engineeringBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

Interest in advanced air mobility (AAM) and urban air mobility (UAM) operations for on-demand passenger and cargo transport continues to grow. There is ongoing research on market demand and forecast, community acceptance, privacy, and security. There is also ongoing research by National Aeronautics and Space Administration , Federal Aviation Administration, academia, and industry on airspace integration, regulatory, process, and procedural challenges. Safe integration of UAM and AAM will also require different stakeholder perspectives such as air traffic controllers, manned aircraft pilots, remote pilots, UAM operators, and the community. This research aimed to assess the willingness of manned aircraft pilots to operate in UAM integrated airspace based on airspace complexity and UAM automation level. In addition, a moderated mediation analysis was conducted using trust and perceived risk as mediators and operator type as a moderating variable. The results indicated that automation level influenced pilots’ willingness to operate an aircraft in integrated airspace. A moderating effect of operation type on automation level and willingness to pilot an aircraft was also observed: professional pilots were more amenable to UAM operations with a pilot on board compared with remotely piloted operations. Results from the study are expected to inform airspace integration challenges, processes, and procedures for UAM integrated operations.

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)0,016
score de la tête « metaresearch » (Gemma)0,042
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 enseignants0,016
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0040,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,324
Écart entre enseignants0,306 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrone Systems and ApplicationsMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207