MétaCan
Menu
Retour à la cohorte
Enregistrement W837832250

Research into the Development of HLA-based Ship Safety Assessment Simulation with Systems Engineering

2008· article· en· W837832250 sur OpenAlexaboutno aff
Kyungho Lee, Young‐Soo Han, Byung-Hak Lee

Notice bibliographique

RevueJournal of Ocean Engineering and Technology · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Software Engineering Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEngineeringShipbuildingReuseHigh-level architectureDamagesNaval architectureSystems engineeringTransport engineeringConstruction engineeringComputer scienceInteroperabilityMarine engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Many accidents occur on the oceans. Accidents involving ships can cause enormous damage. When an accident occurs, the cost of environmental restoration can bankrupt even a top-ranked international company. The potential damages resulting from ship accidents have resulted in many international agreements such as MARPOL, SOLAS, ISM Code, etc. The viability of damaged ships has become more and more important. A damaged ship's viability and cargo safety can be improved by a safety assessment design procedure. We consider th£ shipbuilding industry's distributed characteristics to define a safety assessment system with software engineering-based requirements analysis. We used a distributed network-based simulation method (HLA - High level architecture), because of ease of reuse and expansion of existing components to other situations, and because it is a military standard. HLA is the standard for distributed network-based simulation in many countries including the United States, Canada, Israel, and Korea. The paper describes research to develop a prototype of a network-based safety assessment simulation system by software engineering based analysis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,051
Tête enseignante GPT0,324
Écart entre enseignants0,273 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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 revueJournal of Ocean Engineering and TechnologyMême sujetAdvanced Software Engineering MethodologiesTravaux en français237 207