Controlling the competences of merchant vessel crew to prevent damages : a shipowner prerogative
Bibliographic record
Abstract
La complexité de la conduite du navire marchand impose aux opérateurs d’avoir de nombreuses connaissances dans différents domaines. La standardisation de la formation maritime au niveau international par la convention STCW est un élément qui participe à garantir de leur capacité à conduire l’expédition maritime. Mais il n’est pas suffisant. L’armateur est l’acteur clé dans ce domaine. Son investissement dans le maintien et le développement des connaissances techniques, dans l’encadrement de l’exploitation du navire et dans la mise en place d’une stratégie de gestion des facteurs humains adaptée, est déterminant pour maîtriser les compétences de son personnel navigant et prévenir les dommages qui résulteront de leurs erreurs. Il est très intéressant de constater que le droit maritime tient compte de cet investissement pour déterminer le régime de responsabilité civile auquel l’armateur sera soumis lorsqu’il devra répondre des actes dommageables de ses préposés. Son implication dans la mise en place de stratégies de gestion humaine adaptées lui permettra d’accéder à de larges aménagements ou exonérations de responsabilité. Le régime très protecteur dont il bénéficie sera en revanche progressivement levé, en fonction des manquements personnels retenus à son encontre. Le droit maritime participe donc, d’une certaine manière, à responsabiliser les armateurs. La réalité est en fait plus nuancée car les difficultés pour lever ce régime spécifique sont nombreuses. Les protections qui lui sont accordées pourront alors apparaître comme un facteur démobilisant dans l’objectif de maîtriser l’élément humain, pourtant essentiel pour la sécurité maritime
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".