XiaoMi-AI文件搜索系统
World File Search System人为
科学现状：关于“人为错误”的演变观点
摘要 本文回顾了关于人为错误的主要观点，并分析了过去 60 年来开发和应用的核心理论和方法。这些理论和方法旨在提高我们对人为错误是什么以及人为错误发生的方式和原因的理解，以促进对错误的预测，并利用这些见解支持更安全的工作和社会系统。然而，虽然人体工程学和人为因素 (EHF) 的这一领域具有影响力且历史悠久，但“人为错误方法”对理解事故和优化系统性能的好处受到了质疑。本科学现状评论分析了 EHF 中人为错误的构造。然后，它讨论了在系统 EHF 时代构造面临的关键概念困难。最后，提出了一种前进的方向，以促进 EHF 社区内的进一步讨论。
以人为中心的元宇宙：一项调查
在物联网时代，元宇宙被预期成为下一代互联网的着陆点，导致相关技术和应用在近年来日益普及，并逐渐成为互联网研究的重点。元宇宙作为现实世界与虚拟世界的纽带，能够为用户提供身临其境的体验。随着元宇宙概念的不断深入，许多学者和开发者开始关注元宇宙的伦理与内核。本文认为元宇宙应该以人为本，即人类构成了元宇宙的主体。为此，本文首先介绍了元宇宙的起源、特点、相关技术以及以人为中心的元宇宙（HCM）的概念；其次，探讨了以人为中心的理念在元宇宙中的体现；最后，讨论了当前HCM建设中的一些问题。本文对以人为中心的技术在元宇宙中的应用以及相关的HCM应用场景进行了详细的综述。希望本文能够为科研与开发者提供一些以人为中心的元宇宙构建的方向和思路。
人为错误量化框架 - 大学事实
摘要。如果没有足够的人为错误量化和识别 (HECI) 过程，则任何人为可靠性评估 (HRA) 都可能不准确。为了准确地进行复杂系统风险评估，评估人员必须了解复杂系统中人为错误的多面性，从而了解所有不同类型的人为错误因素，这些因素最终会对系统的风险水平产生影响。评估人员还必须配备一系列工具，以便可靠、全面地识别此类错误因素。这需要考虑一些最合适的人为错误分类法或分类。本文将描述一个新的通用 HECI 框架，该框架处理不同分析级别的许多不同形式的人为错误。该框架及其工具主要依赖现有的技术和理念，从未尝试将它们纳入更全面、更连贯的框架。
协作系统中人为错误的分类模型
1997) ................................................. . ……………………………… ................................18
国家重要行业的人为可靠性计划
人为可靠性（用于描述人的表现）广泛应用于需要高安全标准的领域，如航空、石油和化学过程以及核工业。人类行为总是通过我们的行动或不作为带来固有风险。在系统或流程的运行中引入错误。人为因素可以对工作场所的表现产生积极或消极的影响。虽然可以通过教育和培训/再培训计划将人为错误降到最低，但有些人为行为（内部行为）可能是故意的，由于意识形态、经济、政治或个人动机，这些行为会危及工作场所的安全。人为可靠性计划 (HRP) 可以确保担任关键资产/运营/站点访问权限职位的个人符合最高标准，以便他们遵守安全和安保规则和法规（可靠性），确保基于个人性格（可信度）和身心稳定性对个人的信心。在行业中，有无数种方式可以以某种方式实施 HRP。
使用机器学习模型研究人为错误...
人为因素 (HF) 的重要性早已在航空业得到认可，深入了解和预防人为失误是航空安全委员会面临的首要挑战。本研究的重点是确定导致航空事故和事件的人为失误的特征，并在大量航空事故样本中发现这些特征。考古数据收集于 1971 年至 2018 年，共计 47 年，用于识别 HF 的存在，并与指示飞行员特征、坠机条件和飞机特征的属性进行了彻底分析。模型高斯朴素贝叶斯、随机森林、逻辑回归、XGBoost 分类器、SVM 和人工神经网络 (ANN) 建模，以评估各个属性与坠机时 HF 概率的关联。通过这项研究，我们发现准确度可以为每个分类器提供准确的评估。与前三个模型相比，使用交叉验证的 SVM 可以达到 96% 的最高准确度。使用超参数调整可以提高 ANN 模型中 93.19% 的结果，从而达到 93.29% 的准确度。在评估这项研究的过程中，我们将展示如何使用机器学习模型来获取有意义的信息。
评估与大脑相关的以人为中心的因素...
非侵入性大脑 - 计算机界面（BCIS）通常使用电脑造影术（EEG）为单独使用个人的NEU Rodication Active访问增强和替代（AAC）通信设备提供手段，而无需进行身体互动（BCI-AAC；例如，J。S。S. S. S. S. S. S. S. S. S. S. S. S. S. S.，J。S。S. Brumberg等人，2018年）。通过脑电图的这种联系规定了个人拥有可靠的身体移动形式来访问交流的要求。目前，尚无临床路径方式（评估，选择，提供和保险资金）用于BCI-AAC设备的临床使用，尽管有些设备有些人开始逐渐获得COM（例如，Intendix Speller，G.TEC Medical Engineering），突显了涉及BCI-AAC涉及临床临床实践的需求。然而，尽管正在进行的研究重点是改善BCI-AAC对辅助技术设备的访问（例如，Gosmanova等人，2017年； Thompson等，2014； Zickler等，2011），BCI-AAC Paradigms仍然很大程度上利用了定制的软件和显示用于ET范围的靶向靶向神经系统识别。定制的BCI-AAC软件与现有的AAC设备和范例之间缺乏一致性可能会阻碍AAC干预在整个疾病过程中的联系，从而增加了Indi Vidual的情感斗争和学习需求，并要求通过学习多种形式的AAC（Blain-Moraes et al。 2006）。例如，随着运动障碍的进度，可能需要一个人在过渡到BCI-AAC之前使用眼睛凝视或开关访问在市售的AAC系统中进行束缚和导航（Pitt，Brumberg，Pitt等，2019）。
制造业中的人为错误分析 - Redalyc
摘要尽管工业自动化水平不断提高，但手动装配在各个制造业领域仍然发挥着基础性的作用。然而，手工操作容易出现人为失误，从而导致质量问题和经济损失。本文旨在展示一些可以识别不同类型的错误并评估影响工人绩效的因素的影响的方法。特别展示了 SHERPA 和 HEART 方法。本文还讨论了考虑组装复杂性的重要性，因为它会对工人的认知负荷产生负面影响，从而增加出错的概率。本文使用专业文献中的概念，并阐明了人体工程学、工业工程和系统可靠性等几个知识分支。关键词：人的可靠性；装配系统；复杂;人体工程学；持续改进；认知负荷。摘要尽管制造业的自动化水平不断提高，但手动装配在多个生产领域仍然发挥着关键作用。然而，手动装配操作容易出现人为错误，从而导致质量问题和经济损失。本文旨在介绍一些可以识别不同类型的错误以及影响操作员表现的因素的方法。这些方法包括 SHERPA 和 HEART。文章还讨论了考虑任务复杂性的重要性，因为它会对工人的认知负荷产生负面影响，从而增加出错的风险。在讨论中，我们使用了专业文献中的不同概念，同时阐述了人体工程学、工业工程和系统可靠性等不同的知识分支。关键词：人的可靠性；装配系统；复杂性、人体工程学、持续改进认知负荷。
解决核能中的人为和组织因素
免责声明 本信息由美国政府机构赞助，作为工作记录而编写。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
将生物源和人为方法联系起来认知
抽象的生物生物方法从进化功能的角度研究认知，询问认知对生活系统的作用，然后在一系列的生活系统中寻找认知策略的共同原理和展览 - 非神经与神经神经。生物源方法引起的一种担忧是，它在确定为认知方面过于允许。在本文中，我批评了批评生物源方法的最新实例，以澄清其理论承诺和前景。在对生物学方法的批评中，弗雷德·亚当斯（Fred Adams，2018）使用具有概念内容的有意状态作为标准，以划定仅仅是感官响应的认知驱动行为。在本文中，我同意亚当斯的观点，即意图是认知的标志，但同时拒绝了他过于限制的意图概念。我认为，理解意图简单的人作为精神的标记与认可生物源方法兼容。我认为，由于认知科学不仅对Adams要求的有意状态驱动的行为感兴趣，因此生物源方法的地位作为认知方法的地位并没有提出质疑。然后，我继续提出一种新颖的意图观点，在这种情况下，它被认为存在于连续体中，从而增加了代表性复杂性的程度：可以指导未来的代表性内容并推动预期行为。即使所有生物都从事某些由弱故意动态驱动的行为，这确实是将意图理解为沿连续体的存在，可以采用生物源方法和人为方法来研究以不同形式表达的认知的总体能力，以不同形式沿着意图的连续性定位。