MétaCan
Menu
Retour à la cohorte
Enregistrement W572052534

Automating Air Cargo: Is it Possible to Eliminate the Paper From Airfreight Transactions While Still Keeping Cargo Secure?

2008· article· en· W572052534 sur OpenAlexaboutno aff
Aaron Karp

Notice bibliographique

RevueAir transport world · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueLaw, logistics, and international trade
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAir cargoElectronic equipmentBusinessAviationTransport engineeringAeronauticsTelecommunicationsComputer scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article examines some of the obstacles to implementing the same electronic data tracking for international air freight that is used for air passengers. Security concerns, which require that each piece of cargo have a document proving that it originates from a “known shipper,” are the key barrier. However, electronic tracking of freight has the potential to reduce waste and delays and errors caused by manual paper-based systems and, ultimately, provide better records of a shipment’s trail. Major integrators like UPS and FedEx are nearly entirely electronic, but that is because they handle a shipment at every step of its journey. The International Air Transport Association (IATA) is conducting a pilot project for e-freight that covers roughly 10 percent of the cargo carried by select airlines on routes connecting Canada, Hong Kong, the Netherlands, Singapore, Sweden and the U.K. Freight on these flights is traveling without 12 of the 13 documents that are normally required. In February 2007, Alaska Airlines eliminated paper airway bills where possible and now uses handheld scanners. The IATA surveyed 209 locations worldwide and found that fewer than 25 percent had the IT capabilities to go electronic by 2010. Still, the IATA is seeking implementation by then.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,349
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,229
Écart entre enseignants0,195 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAir transport worldMême sujetLaw, logistics, and international tradeTravaux en français237 207