When Maritime Meets Aviation: The Safety of Seaplanes on the Water
Notice bibliographique
Résumé
The water environment is a dynamic domain critical to global transportation and commerce, where seaplanes operate during take-offs, landings, and ground operations, often near maritime traffic. Canada’s vast remote regions and unique geography increase reliance on seaplanes, especially for private and recreational purposes. This article examines the intersection of aviation and maritime operations through a mixed-methods approach, analyzing seaplane safety on waterways using quantitative and qualitative methods. First, data from 1005 General Aviation (GA) seaplane accidents in Canada (1990–2022) are analyzed, revealing 179 fatalities, 401 injuries, and 118 destroyed aircraft—significant given that seaplanes comprise under 5% of GA aircraft. Of these, 50.35% occurred while the seaplane was not airborne. Second, insights from interviews, focus groups, and questionnaires involving 136 participants are explored through thematic and content analysis. These capture pilot concerns that are not evident in accident data, such as hazards from jet ski interactions and disruptive boat wakes. The findings highlight risks like limited visibility and maneuverability during waterborne take-offs, worsened by seaplanes’ lack of priority over maritime vessels in shared spaces. This article concludes with recommendations for both the seaplane and maritime communities, including increasing awareness among boaters about the presence and operations of seaplanes, as well as regulatory adjustments, particularly considering the right of way.
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 | 0,000 |
| 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 ».