XiaoMi-AI文件搜索系统
World File Search System因素分析
有关EA22002调查的其他信息
EA22002（从PE21020升级）开放以进行大量的崩溃分析，人为因素分析和车辆评估，并评估车辆控制当局和驾驶员参与技术。在与NHTSA进行了讨论之后，Tesla于2023年12月12日提交了缺陷信息报告（召回23v838），适用于所有制作和配备其任何版本的自动驾驶仪1系统的Tesla模型，Tesla被描述为SAE级别2（L2）高级驾驶员协助系统（ADAS）。特斯拉在其23v838中得出结论，在某些情况下，自动驾驶仪的系统控制可能不足以用于需要人驾驶员持续监督的驾驶员援助系统。特斯拉提交了召回23v838，以解决有关EA22002研究的自动驾驶系统的担忧。这些不足的控件可能会导致可预见的驾驶员在驾驶时脱离接触并避免撞车。
catnet：键的小样本传输学习方法...
拟人化是人类精神状态对非人类实体的归因。这项研究的目的是开发日语版本的拟人化问卷中的个体差异（IDAQ-J），并通过三项研究来检查其因子结构，可靠性和有效性。因素分析表明，IDAQ-J具有三个一阶因子（拟人化自然实体，技术设备和非人类动物）和一个二阶因子（一般拟人化）。IDAQ-J表现出较高的一致性和中等测试可靠性。在有效性方面，IDAQ-J与自然和机器的拟人化表现出了中等的积极关系，并且预测与机器人和目的论信念相互作用的负面情绪低下。另一方面，IDAQ-J表现出与非人类动物的拟人化，对自然保护的态度以及对机器人的恐惧的弱关系。需要进一步的研究来解释IDAQ-J的有效性。
确定海事中最具影响力的人为因素...
海上事故是一个复杂的过程，其中涉及许多因素并导致事故发展。因此，有效地分析导致事故事件的因素组合是一个复杂的问题，尤其是当涉及人为因素时。人为因素分析和分类系统、人为可靠性评估和简单的统计分析等最先进的方法在许多情况下并不有效，因为它们需要人类专家的干预，这些方法存在局限性、偏见和高成本。作者建议使用数据驱动的方法，利用海上事故历史数据库中的信息来确定最具影响力的人为因素。为此，提出了一种两阶段方法：首先，建立一个数据驱动的预测模型，该模型能够根据促成因素预测事故类型，然后根据不同促成因素对预测的影响能力对其进行排序。海事事故调查处提供的真实事故历史数据库的结果将支持所提出的新方法。
采用 DoD HFACS 进行用药错误分析
摘要。在医疗环境中，用药错误不仅仅是个人的错误，因为人员是患者护理系统的要素之一。为了通过追溯到复合层（从组织层到药务人员层）来分析用药错误的原因，应用了美国国防部人为因素分析和分类系统 (DoD HFACS 7.0) 第 7 版。本研究的目的是将 DoD HFACS 7.0 问卷引入医疗环境，以便观察用药错误的原因。然而，为了使 DoD HFACS 7.0 在印度尼西亚的药务人员中得到有效应用，需要采用它来设计 Med HFACS。结果显示，在 DoD HFACS 7.0 的 109 个子类别中，多达 90 个子类别可以包含在 Med HFACS 中。同时，19个子类别未被纳入，因为它们与药学领域的相关性较低，并且如果附加在专业药学人员的职责中，可能会引起偏见。
跨国公司战略管理实证分析
摘要：在本研究中，我们提出了一个战略变革理论模型，并在政府间组织的背景下对其进行了实证验证。我们采用了调查方法，并使用探索性和验证性因素分析来测试我们的模型假设。传统的战略管理模型主要是为私营部门创建的。因此，验证模型结构是否适合当前结构至关重要，尤其是这些类型的组织，例如联合国机构的组织，在变革方面面临着重大挑战。我们发现项目有显著的重新分组，这导致有必要重新制定结构，因为我们的研究背景有显著不同。我们发现，体制压力对战略变革有显著影响，并受到战略制定的影响。我们还发现，战略压力对战略意图没有任何影响。我们的研究理论模型和结果为未来的研究方向和从事变革管理的政府间组织从业者提供了许多见解。
德国 F-104 星式战斗机事故的 HFACS 分析
自 1961 年起，德国采购了 916 架洛克希德 F-104 星式战斗机，其中 292 架坠毁，116 名飞行员丧生。本研究项目的目的是找出这些飞机坠毁的原因，以及星式战斗机坠毁的原因是否与德国其他军用飞机不同。通过审查原始事故文件，分析了 1978 年至 1986 年间发生的 71 起德国 F-104 事故。使用人为因素分析和分类系统 (HFACS) 1 级分析作为方法。结果发现，在审查的德国 F-104 事故中，超过 50% 的事故是由于技术和/或物理环境造成的。样本中超过一半的事故与发动机有关。结论是，F-104 确实比同时期的其他机型更容易发生事故。此外，J-79 发动机被发现是 F-104 安全记录中的一个薄弱环节，而星式战斗机难以操控的特性导致了高水平的基于技能的错误。
漏洞评估方法袖珍指南
非对称战争小组已将脆弱性评估方法 (VAM) 用于各种大规模跨部门演习，包括战役级和战区级。在这些演习中，各个参与者通常在战斗指挥部、服务组成指挥部、国务院局或大使馆级别采取行动。为了帮助参与者进行关键因素分析和规划，这些演习使用了“脆弱性评估方法简介：从业者手册”1，这是为美国陆军非对称战争小组制作的一份文件。该小组还为战场上部署的战术部队提供建议，随后要求兰德阿罗约中心修改从业者手册，使其在战役和战术层面更有用，主要受众是旅战斗队指挥官和参谋；解释如何将 VAM 嵌入到理论规划过程中；并生成适合放入货物口袋大小的最终文件。
基于脑机技术的情绪研究：文献计量分析与研究思路
本研究对249篇关于脑机技术在情绪研究中的应用的文献进行了科学分析。我们发现，现有的研究主要集中在工程学、计算机科学、神经科学和心理学领域。中国、美国和德国的发文数量最多。作者可分为四组：实时功能磁共振成像（rtfMRI）研究组、脑机接口（BCI）影响因素分析组、脑机音乐接口（BCMI）组和用户状态研究组。聚类结果可分为五类，包括外部刺激与事件相关电位（ERP）、脑电图（EEG）与信息收集、支持向量机（SVM）与信息处理、深度学习与情绪识别、神经反馈和自我调节。在前人研究的基础上，本研究指出个体差异、隐私风险、BCI应用场景的扩展研究等值得进一步研究。