The Impact of Practical Skills on Improving the Servicemen’s Preparedness to Act in Case of Radiation Contamination of the Area
Notice bibliographique
Résumé
The servicemen’s practical skills to respond to threats of chemical, biological, radiological and nuclear attacks, as well as the ability to make effective decisions are necessary for the implementation of effective targeted actions in the face of military threats. The aim of the article is to identify the impact of servicemen’s decision-making skills on their preparedness to act in case of radiation contamination of the area as well as an analysis of the opportunities of skills development in the educational simulation environment. The research employed such empirical methods as: educational experiment, testing, survey, quantitative assessment, and qualitative analysis. The study of causal relationships between servicemen’s decision-making skills under Contaminated Remains Mitigation System CRMS conditions and their preparedness to act under conditions of radiation contamination made it possible to identify a set of decision-making skills that affect high, medium and low servicemen’s preparedness to act under the chemical, biological, radiological, and nuclear (CBRN) attacks. The authors developed and tested a virtual reality training simulator for training decision-making skills in a simulated environment of potential threats using the Zaporizhzhia Nuclear Power Plant (NPP) situation as an example. The results of the assessment of students’ knowledge after the educational experiment showed that simulation training in virtual reality was more effective than training using educational video content. The students of the experimental group (EG) showed a 13.2 points better result (90.6 points) in decision-making accuracy than the students of the control group (CG) (77.4 points).
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 | 0,011 | 0,034 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».