Virtualized Experiential Learning Platform (VELP) for Smart Grids and Operational Technology Cybersecurity
Notice bibliographique
Résumé
The advent and the rapid expansion of Industry 4.0 solutions and technologies such as IoT, Artificial Intelligence (AI), cloud computing, and digital twinning, is causing industrial companies, utilities, and other organizations to either retrain their workforce or hire experts from other industries who have the knowledge or hands-on experience working with such technologies. With the emergence of remote working routines, providing such hands-on training programs becomes difficult. As such, BCIT's Smart Microgrid Applied Research Team has developed an advanced Virtualized Experiential Learning Platform (VELP) with the support of the Future Skills Centre and its industry partner to provide trainees from industry and academia with hands-on experience in the fields of smart grids, substation automation systems and Operational Technology (OT) cybersecurity utilizing virtualization technologies such as digital twins, AI, and cloud apps. This paper aims to introduce VELP, its features, and functionalities, and explain how monitoring and control layers can be migrated into cyberspace. Moreover, this paper proposes a reliable communication network and a cybersecure topology that can be utilized in similar virtualization platforms. The results of this paper show that such technologies can be applied to other digital experiential learning programs where reliable and secure remote access to physical assets is essential to support relevant experiential learning pedagogical models.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».