Cognition in the cockpit: assessing instructional modalities in pilot training simulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Flight Simulators (FS) play a critical role in pilot training, yet the increasing use of automated modules in FS raises questions about how instructional delivery methods influence learning. This study investigates how different FS instruction modalities affect student pilots' cognitive states and performance. Methods: A between-subjects experiment was conducted with 30 flight-school students using Microsoft Flight Simulator 2020 under Visual Flight Rules (VFR). Participants were randomly assigned to one of three instruction modalities: audio-only, text-only, or combined audio-text. Each participant completed two tasks: (1) an instructional flight with guided instructions and (2) a solo evaluation flight without guidance. Measures included visual transition entropy (to assess visual scanning), emotional valence, cognitive load, motivation, and flight performance metrics. Results: During the evaluation flight, the text-only and combined audio-text groups showed significantly lower visual transition entropy, indicating more organized visual scanning. The text-only group also exhibited higher emotional valence, reflecting greater motivation and engagement. No significant differences were found in overall flight performance or cognitive load, although trends suggested higher perceived immersion and motivation in the text-only condition. Discussion: Textual instructional delivery appears to support more efficient visual scanning and greater engagement, aligning with the Cognitive Theory of Multimedia Learning while highlighting its boundary conditions in aviation contexts. Although performance metrics were unaffected in this short session, textual information may be advantageous for specific flight segments and scenarios lacking live instruction. Further research should examine longer or repeated training sessions.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle