Crundall, D. E., & Underwood, G. (1998).经验和处理需求对驾驶员视觉信息获取的影响。人体工程学,41 (4),448 – 458。Ellis, S. R., & Stark, L. (1986)。视觉扫描中的统计依赖性。人为因素:人为因素和人体工程学学会杂志,28 (4),421 – 438。Green, P. (2015)。驾驶员在驾驶时看哪里(以及看多长时间)。交通安全中的人为因素,77 – 110。Harris Sr, R. L., Glover, B. J., & Spady Jr, A.A.(1986)。飞行员扫描行为的分析技术及其应用 (NASA Tech.报告号2525)。弗吉尼亚州汉普顿:兰利研究中心。Haslbeck, A., & Zhang, B.(2017)。我用我的小眼睛观察:在手动仪表飞行场景中分析航空公司飞行员的注视模式。应用人体工程学,63,62 – 71。Hillier,F. S.(2012)。运筹学简介。Tata McGraw - Hill Education。国际标准化组织。(2002)。ISO 15007 - 1:道路车辆 - 测量与运输信息和控制系统相关的驾驶员视觉行为 - 第 1 部分:定义和参数。摘自 http://www.iso.org Itoh,Y.,Hayashi,Y.,Tsukui,I.,& Saito,S.(1990)。飞机飞行员眼球运动和心理工作负荷的人体工程学评估。人体工程学,33 (6),719 – 732。Jeong, H.,& Liu, Y.(2019)。非驾驶相关任务模式和道路几何形状对驾驶时眼球运动、车道保持性能和工作量的影响。交通研究 F 部分:心理学和行为,60,157 – 171。Kang, Z.,& Landry, S. J.(2014)。使用扫描路径作为多目标跟踪冲突检测任务的学习方法,56 (6),1150 – 1162。Kang, Z., & Landry, S. J.(2015)。多元素目标跟踪任务的眼动分析算法:基于最大转换的聚集层次聚类。IEEE 人机系统学报,45 (1),13 – 24。Krejtz, K., Duchowski, A., Szmidt, T., Krejtz, I., González Perilli, F., Pires, A., … Villalobos, N. (2015)。凝视转换熵。ACM 应用感知通讯 (TAP),13 (1),4 – 20。Liang, Y.、Horrey, W. J. 和 Hoffman, J. D. (2015)。开车时阅读文本:了解驾驶员对分心的战略和战术适应。人为因素:人为因素和人体工程学学会杂志,57 (2),347 – 359。Liang, Y., Lee, J. D., & Yekhshatyan, L. (2012)。视线偏离道路有多危险?算法根据自然驾驶中的扫视模式预测碰撞风险。人为因素:人为因素和人体工程学学会杂志,54 (6),1104 – 1116。Liechty, J., Pieters, R., & Wedel, M. (2003)。全局和局部隐性视觉注意:来自贝叶斯隐马尔可夫模型的证据。Psycho- metrika,68 (4),519 – 541。Marchitto,M.,Di Stasi,L. L.,& Cañas,J. J.(2012)。任务负荷操纵下的眼球运动:几何形状对空中交通管制模拟任务中扫视的影响。制造业和服务业的人为因素和人体工程学,22 (5),407 – 419。Milton,J.,& Mannering,F. (1998)。公路几何形状、交通相关元素和机动车事故频率之间的关系。交通运输,25 (4),395 – 413。Mourant, R. R. 和 Rockwell, T. H. (1970)。将眼球运动模式映射到驾驶中的视觉场景:一项探索性研究。人为因素:人为因素和人体工程学学会杂志,12 (1),81 – 87。Noton, D. 和 Stark, L. (1971)。眼球运动和视觉感知。《科学美国人》 ,224 (6),34 – 43。Pradhan, A. K.、Hammel, K. R.、DeRamus, R.、Pollatsek, A.、Noyce, D. A. 和 Fisher, D. L. (2005)。使用眼球运动评估驾驶员年龄对驾驶模拟器中风险感知的影响。《人为因素:人为因素和人体工程学学会杂志》 ,47 (4),840 – 852。
• 定义用例....................................................... ... .................. ... ................. ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... . ... ........................................................................................................................................................................................................................................ 9 - 使用持续时间....................................................................................................................................................................................................................................... ... 10 • 验证设计预生产. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 - 原型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ...
在快速发展的数字环境中,网络安全已成为首要关注的问题。虽然人们非常关注技术漏洞,但人们越来越认识到网络安全漏洞中的人为因素。这一因素被称为社会工程学,已被证明是网络犯罪分子武器库中的有力工具。社会工程学利用的是人类心理而不是技术弱点,使其成为网络安全的一个独特且具有挑战性的方面。它涉及操纵个人泄露机密信息或执行危害安全的行为。尽管社会工程学很普遍,但它仍然是一个相对未被充分探索的研究领域。本文旨在阐明社会工程学在网络安全背景下的重要性。它深入探讨了各种形式的社会工程学攻击、它们的影响以及对对策的迫切需要。本文还强调了教育和意识在减轻与社会工程学相关的风险方面的重要性。通过这一探索,本文旨在为网络安全的更广泛讨论做出贡献,并为这一关键领域的未来研究铺平道路。目标是加强我们对社会工程学的理解,并制定有效的策略来保护数字时代的个人和组织。页面布局遵守 IJRASET 论文格式要求的一种简单方法是使用此文档作为模板,然后在其中输入文本。
Mohammed Ashfaq 4Ad20ee412 Mohammed Ismail 4ad19ee009 Mohammed Syed Yakoob 4ad19ee010
通用核心(62小时)注释小时描述3-3-4 Chem 1310 - 通用化学(或Chem 1211K)3-0-3 CS 1301 - 计算10-0-10 MATH 1551、1552、2551 - 差异,差异,积分,整体,multiv。Calc 4-0-4 MATH 1554 – Linear Algebra 4-0-4 MATH 2552 – Differential Equations 6-6-8 PHYS 2211, 2212 – Introductory Physics I, II 1,6 X-X-3 Science Elective 6 2-0-2 APPH 1040/1050 – Wellness 6-0-6 ENGL 1101, 1102 – English Composition I, II 5,6 6-0-6 Humanities electives 2,6 3-0-3历史/政府选修3 3-0-3经济学选修课5,6 6-0-6社会科学选修
“研究人类与系统其他元素之间相互作用的科学学科,以及应用理论、原理、数据和其他方法来优化人类福祉和整体系统性能的职业” - 国际人体工程学协会 (IEA)
摘要。机器学习研究界非常关注算法中的偏见,并已确定了其不同的表现形式。训练样本中的偏见被认为是机器学习中偏见的潜在来源。它可以由定义训练集的人类专家引入。随着机器学习技术应用于极光分类,识别和解决专家注入偏见的潜在来源非常重要。在一项正在进行的研究中,13 947 张极光图像被手动分类,分类之间存在显著差异。这个大型数据集允许识别其中一些偏差,特别是那些源于分类过程的人体工程学的偏差。本文提出的这些发现作为提高训练数据完整性的清单,不仅适用于专家分类,也适用于众包公民科学项目。由于机器学习技术在极光研究中的应用相对较新,因此在偏差成为训练数据语料库中普遍存在的问题之前,识别和解决偏差非常重要。
重复性操作 重复性创伤障碍发展的一个主要风险因素是动作重复的频率。根据观察和对经验丰富的方法工程师的采访,缝纫工作被分为需要高、中或低重复性手动操作的作业。虽然分类有些主观,但它与手部和手腕姿势变化的频率密切相关。高强度的手动操作几乎与全身的更高程度的身体不适有关。最严重的不适集中在颈部、上背部和中背部、右肩和手部。73% 的高操作工人报告右手疼痛,这是分析中发现的最高不适频率。这与 Vihma 等人 (1982) 的发现一致,即手部疼痛与重复率之间存在显著关系。
人为因素问题也出现在简单的系统和消费产品中。一些例子包括手机和其他手持设备,它们的尺寸不断缩小,但变得越来越复杂(这种现象被称为“渐进式功能主义”),全球数百万台录像机闪烁着“12:00”,因为很少有人知道如何编程,或者闹钟让昏昏欲睡的用户在无意中关闭闹钟,而他们本想按“小睡”键。以用户为中心的设计 (UCD) 或可用性工程生命周期旨在改进用户系统。人体工程学原理已广泛应用于消费产品和工业产品的设计中。过去的例子包括用锯齿状结构制成的螺丝刀手柄,以改善手指抓握,以及使用柔软的热塑性弹性体来增加手部皮肤和手柄表面之间的摩擦力。
triodyne.com › SAFETY~1 PDF 1990 年 6 月 15 日 — 1990 年 6 月 15 日 数字设计李·G·霍尔沃森仪器 ... 17 握力的延迟空气 ...“单次用力肌肉测试的可靠性”