MétaCan
Menu
Retour à la cohorte
Enregistrement W4417190503 · doi:10.1080/00140139.2025.2595656

Training effectiveness and validation of a VR HMD-based simulator for air force pilots

2025· article· en· W4417190503 sur OpenAlexaff
Ramy Kirollos, Wasim Merchant, Blake C. W. Martin, Jerzy Jarmasz, John Jong-Jin Kim

Notice bibliographique

RevueErgonomics · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésVirtual realityTrainerFlight simulatorFlight trainingTraining (meteorology)Significant differenceTraining systemOverhead (engineering)

Résumé

récupéré en direct d'OpenAlex

Virtual reality (VR) head-mounted display (HMD) was examined for Air Force training modernisation. In Experiment 1 (E1), Novice pilots performed the Overhead break (OHB) manoeuvre and flight proficiency scores were measured and compared to Expert pilots OHB performance in a VR HMD-based simulator. Cybersickness was also measured. Experts performed significantly better on the OHB manoeuvre than Novices. Both groups improved significantly over the course of the experiment and cybersickness was negligible. E1 indicated that the VR HMD flight trainer can be valid, effective and safe for training the OHB maneuvre. Experiment 2 (E2) compared an established Flight Training Device (FTD; not the VR simulator) and Live Flight OHB scores for Novice pilots from E1 to Novices not in E1. There was no difference in FTD and Live Flight scores between both groups. E2 revealed that completion of E1 was insufficient to translate to superior performance in FTD and Live Flight.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,600
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,241
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetAerospace and Aviation TechnologyTravaux en français237 207