Investigation of the preparedness of maritime education and training institutions (METIs) of seafarer’s top supplying countries in the introduction of the maritime autonomous surface ship (MASS)
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
Looking back on the history of the shipping industry, seafarer's competency evolved with the technology onboard ship.To address the problem of safety, security and protecting the environment, the Maritime Autonomous Surface Ship (MASS) revolutionized the shipping industry.Seafarer's functions will be replaced by machines that require new competency of seafarers to man the automated ships. This paper aims to investigate the preparedness of Maritime Education andTraining Institutions (METIs) of top supplying countries of seafarers in providing the adequate number of seafarers with required competency for automated ships.Systems Theory was used to identify the factors affecting the METI's preparedness in providing the required competency for seafarers in the introduction of MASS.Mix-method aids the researcher to have a deeper understanding of how the METIs function as a system and how the factors for preparedness affects the METIs in implementing the required competency of seafarers for MASS by comparing for validity and reliability complementing both the qualitative and quantitative data.The investigation revealed that investing in resources without the regulatory framework is a waste of time and money due to uncertainties of future requirements in implementing the required competency of seafarers for MASS.In conclusion, respondent countries are waiting for the approval of regulatory framework and are not making any preparations for MASS but it can be observed that from the hierarchy as top suppliers of seafarers going down, their strategy on how to remain relevant in the future depends on their level in the hierarchy.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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