MétaCan
Menu
Retour à la cohorte
Enregistrement W4317637363 · doi:10.2514/6.2023-2397

Maverick and Skunk Works: Representing Aerospace in Popular Culture

2023· article· en· W4317637363 sur OpenAlexaff
James Walton, Patrick LeBeau

Notice bibliographique

RevueAIAA SCITECH 2023 Forum · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSpace exploration and regulation
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésStudioAerospaceAeronauticsWork (physics)EngineeringCharacter (mathematics)Test (biology)Production (economics)Architectural engineeringComputer scienceAerospace engineeringTelecommunicationsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2023-2397.vid Lockheed Martin Skunk Works was approached in the summer of 2017 by Paramount Studios to provide technical support for the long-awaited second chapter of the movie, Top Gun. In the second installment, Top Gun: Maverick, the story called for a manned hypersonic test aircraft that the lead character, Maverick, would fly and push to its limits, as only Maverick can. This paper describes how the relationship between the Lockheed Martin Skunk Works and the Paramount Studios Production Team started, the development of the Darkstar concept, the building of a full-scale mockup for filming, and continued support of the production during script development and filming. Further, and arguably the most important part of this paper, we will discuss the impact of doing a very out-of-the ordinary project (for us) on the Skunk Works team directly responsible for the work, and how very public projects like this can help the Company, and also the industry at large.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,250 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA SCITECH 2023 ForumMême sujetSpace exploration and regulationTravaux en français237 207