MétaCan
Menu
Retour à la cohorte
Enregistrement W4308764906 · doi:10.5539/ibr.v15n12p27

The Experience and Performance of Female Airline Pilots in Taiwan - A Tripartite Assessment

2022· article· en· W4308764906 sur OpenAlexvenueno aff
Fang Yuan Chen, Ting Jyun Jheng, Daniel Liu

Notice bibliographique

RevueInternational Business Research · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, Taiwan
Mots-clésCockpitCrewCrew resource managementAviationPerspective (graphical)AeronauticsPsychologyAviation safetyApplied psychologyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The pilot profession remains one of the most notable gender-imbalanced occupations in the aviation industry, with women making up a far lower percentage than men. Nevertheless, the experiences and challenges faced by female pilots in the workplace is worth exploring. Previous studies have mostly approached these issues from the perspective of male and/or female pilots, ignoring the opinions of managers responsible for flight operations. This study fills this research gap by adding flight operations managers' assessments of female pilots to explore the topic from a broader and comprehensive tripartite perspective. In addition, gender issues in the cockpit and the impact of female pilot participation are also discussed. The research is conducted through in-depth interviews covering flight operations managers, male pilots, and female pilots in three different Taiwanese airlines. The findings of this study reveal that the performance of female pilots is generally affirmed by flight operations managers and male pilots, and the participation of female pilots produces some chemical effects on the culture of the cockpit, which also contributes to crew resource management and flight safety. Contrary to previous research findings, the female pilots interviewed in this study do not feel that they are being challenged or abused in relation to their gender. Finally, several recommendations are given to the airlines to implement CRM training programs and recruit female pilots.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,026
Score d'incertitude au seuil0,812

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,122
Tête enseignante GPT0,373
Écart entre enseignants0,251 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetAviation Industry Analysis and TrendsTravaux en français237 207