MétaCan
Menu
Retour à la cohorte
Enregistrement W4375856822 · doi:10.32920/22780118

Determining participation eligibility for amusement attractions

2023· preprint· en· W4375856822 sur OpenAlexafffund
Kathryn Woodcock

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAmusementLiabilityRecreationAffect (linguistics)BusinessTheme parkActuarial scienceMarketingPsychologyRisk analysis (engineering)Political scienceSocial psychologyLawFinanceTourism

Résumé

récupéré en direct d'OpenAlex

Amusement attraction participation eligibility requirements may be expressed in terms of age, height, weight, health condition, (dis)ability, and combinations of these, and potentially other criteria. Restrictive eligibility criteria can protect manufacturer and operator from liability for injury, since no guest could sustain injury without exposure to the ride. However, new forms of liability have emerged, through litigation under general human rights codes or specific regulations of the Americans with Disabilities Act. This paper describes and compares two approaches to more specifically determining participation eligibility for guests with disabilities and health conditions: the medical approach and the human factors engineering approach. Although many conditions are manifest in a range of severities, the medical approach will either impose the most restrictive eligibility on all guests with the same disability type, or require park personnel to make diagnostic determinations outside their expertise, and requires compilation of data about every disability and condition. The human factors engineering approach identifies functions to be performed by the guest to fulfill the ride experience. Clear description of functions and risks will enable guests to determine whether they are able to safely ride, in consultation with their own advisors. The approach to determining eligibility affects not only whether a particular guest can ride, but also operational practices that affect guests’ relationship with the park

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)0,006
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,282
Tête enseignante GPT0,508
Écart entre enseignants0,225 · 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'étudeSans objet
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'admission2
Résumé présentoui

Explorer davantage

Même sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207