MétaCan
Menu
Retour à la cohorte
Enregistrement W4385973789 · doi:10.5267/j.uscm.2023.7.020

The influence of implementing electronic flight bag application on aviation safety mediated by the optimization of human resources

2023· article· en· W4385973789 sur OpenAlexvenueno aff
Prasadja Ricardianto, Ernanto Wibisono, Erman Noor Adi, Lilik Suryaningsih, Chatarina Rusmiyati, Endro Winarno, Trilaksmi Udiati, Salahudin Rafi, Azmieti Kurnia Sint, Endri Endri

Notice bibliographique

RevueUncertain Supply Chain Management · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCockpitAviationAviation safetyAeronauticsComputer scienceEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The unintegrated use of information technology in the cockpit of Garuda aircraft was the electronic flight bag, with the application of the Garuda electronic flight manual and the Garuda electronic airway manual. This gap would cause potential negligence and delay in distributing paper documents or manuals to the aircraft of Garuda Indonesia Airline. It was necessary to study whether the use of Garuda electronic flight manual software and Garuda electronic airway manual could ease the duties of the Pilot on board the aircraft. This research aimed to know the influence of implementing the Garuda electronic flight manual and the Garuda electronic airway manual on flight safety by optimizing human resources. The study used the Path Analysis method. The samples of this research were 30 pilots as the users and processors of the Garuda electronic flight manual and the Garuda electronic airway manual. The study found that the variable of flight safety was directly influenced by the implementation of the Garuda electronic flight manual, the Garuda electronic airway manual, and the optimization of human resources. In addition, implementing the Garuda electronic flight manual and the Garuda electronic airway manual was the variable influencing flight safety at most.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,004
Tête enseignante GPT0,206
Écart entre enseignants0,202 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetUrban Transport Systems AnalysisTravaux en français237 207