Variation of Pilots’ Mental Workload Under Emergency Flight Conditions Induced by Different Equipment Failures: A Flight Simulator Study
Notice bibliographique
Résumé
Pilots’ excessive mental workload could reduce their ability to perform concurrent tasks during emergency flights, which is one of the most critical aviation safety concerns. Several past efforts have attempted to investigate the underlying issues, but all had limited success owing to the challenge of collecting representative data under realistic operating conditions. This study aimed to address this challenge by conducting a flight simulator study involving a comparatively large number of participants, who were pilot cadets with flight experience, and using noninvasive functional near-infrared spectroscopy (fNIRS) to collect the pilots’ brain activity data. Pilots’ subjective ratings and brain activity records were collected over a total of 75 simulated flights under three subtask scenarios comprising different equipment failures. A statistical analysis was carried out on the subjective ratings and on the changes observed in the saturation of the oxyhemoglobin (ΔOxyHb) of individual fNIRS channels. The mental workload of the pilots was classified using a support vector machine hierarchical combination classifier, focusing on the question of whether it is feasible to classify pilots’ mental workload using brain activity signals (i.e., ΔOxyHb). The results suggested that the pilots’ mental workload levels were highly associated with the ΔOxyHb measures as well as with the activities of different brain regions, including the prefrontal-, motor-, and occipital cortex. The findings from this study could provide a reference for optimizing pilot training systems and improving pilot performance during emergency flight operations.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».