MétaCan
Menu
Retour à la cohorte
Enregistrement W4229021993 · doi:10.5539/mas.v16n2p41

Development of A Smart Rescue Communication System for Drowning Personnel

2022· article· en· W4229021993 sur OpenAlexvenueno aff
Ifeoma B. Asianuba, Kpegara N. Saana

Notice bibliographique

RevueModern Applied Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT and GPS-based Vehicle Safety Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArduinoComputer scienceComputer securityGlobal Positioning SystemEmergency rescueSearch and rescueWork (physics)Smart phoneAeronauticsTelecommunicationsMedical emergencyEmbedded systemEngineeringArtificial intelligenceRobotMedicine

Résumé

récupéré en direct d'OpenAlex

Recently, there is an alarming increase in the number of deaths resulting from late rescue of drowning personnel falling overboard. Most mechanisms deployed are faced with the inability to detect the exact location of the drowning person especially when completely submerged in water. This paper therefore describes the development of a smart rescue communication system for drowning personnel. The developed system considered two major activities involved in drowning: the first scenario considers when the individual is completely submerged in water and the second; when the victim is struggling to survive. Thus, water and vibration sensors are useful input devices in actualizing the work. Arduino microcontroller was also used for the control system mechanism. For drowning and drowned situations which is detected and specified by the readings from the relevant sensors, an SMS (short message system) alert is communicated to the rescue personnel’s phone indicating that there is an emergency. The exact location of the man overboard is also indicated in the SMS with the aid of the global positioning system (GPS) module. The SMS is sent at specified intervals to increase awareness of the current situation to aid fast rescue operation. The prototype is designed to be a wearable device.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0050,002

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 Opus0,019
Tête enseignante GPT0,216
Écart entre enseignants0,197 · 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'étudeExpérimental (laboratoire)
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 revueModern Applied ScienceMême sujetIoT and GPS-based Vehicle Safety SystemsTravaux en français237 207