Affect and Performance in Simulated Flying Tasks: A Systematic Literature Review
Notice bibliographique
Résumé
Objective This systematic review explores the relationship between affect and performance during flight simulations in the context of training using simulated flying tasks.Background A goal of human factors is to understand pilots’ psychological processing to reduce human error. Psychological insights have mainly focused on cognition, whereas recent approaches suggest that affective responses (stress and emotions) can impact performance accuracy. This is the first literature review exploring affect and performance in simulated flying tasks.Method Following the PRISMA framework, a systematic review was conducted, resulting in 29 articles meeting the inclusion criteria.Results Studies were grouped in themes according to the manner they contributed to our objective. Findings revealed that: 1) affect and flying performance are continuous processes that need to use continuous and noninvasive measurements; 2) negative-activating affect (stress and anxiety) tend to be detrimental for flight performance; 3) pilot–copilot and pilot–instructor interactions induce affect in simulated flight; 4) unusual flying scenarios induce negative and activating affective responses and decrease performance accuracy; 5) interventions are successful for pilots to manage performance and affect.Conclusion This systematic review demonstrates the relationships between affect and performance. The main connection is that unpredicted and intense affective reactions can distract pilots, resulting in errors. Simulations can induce authentic affective reactions, allowing pilot trainees to familiarize themselves with their reactions, and regulate themselves, to achieve successful performance.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».