prikaz prve stranice dokumenta Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama
Rad nije dostupan
diplomski rad
Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:356100
Čuma, Tomislav
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Čuma, T. (2023). Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:356100

Čuma, Tomislav. "Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:356100

Čuma, Tomislav. "Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:356100

Čuma, T. (2023). 'Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:356100

Čuma T. Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 27.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:356100

T. Čuma, "Analiza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:356100

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:356100
Podaci o radu
NaslovAnaliza višemodalnih indikatora mentalne rezilijentnosti kao prediktora performanci pod stresom u simulacijskim vježbama
Naslov (engleski)Analysis of multimodal indicators of mental resilience as predictors of performance under stress in simulation exercises
AutorTomislav Čuma
MentorSiniša Popović (mentor)
Član povjerenstvaSiniša Popović (predsjednik povjerenstva)
Član povjerenstvaAlan Jović (član povjerenstva)
Član povjerenstvaMirko Sužnjević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-02-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U radu su procijenjene različite metode strojnog učenja i njihova sposobnost predviđanja ljudskih performanci na simulacijskim vježbama niske razine vjernosti iz domene kontrole zračnog prometa, primjenom multimodalnih značajki mentalne rezilijentnosti. Istražen je utjecaj različitih podskupova multimodalnih značajki na točnost predviđanja performanci. Otkriveno je da korištenje više značajki iz različitih podskupova općenito poboljšava rezultate predviđanja u usporedbi s korištenjem značajki iz samo jednog podskupa. Rad pruža uvid u važnost razmatranja različitih metoda strojnog učenja i skupova značajki mentalne rezilijentnosti za predviđanje performanci na simulacijskim vježbama u stresnim poslovima, što može imati potencijalni praktični značaj u kontekstu selekcije i obuke za visoko stresna zanimanja.
Sažetak (engleski)
The thesis evaluated different machine learning methods and their ability to predict human performance in low-fidelity simulation exercises within the domain of air traffic control, using multimodal features of mental resilience. The impact of different subsets of multimodal features on the accuracy of performance prediction was investigated. Using multiple features from different subsets was generally found to improve prediction results compared to using features from only a single subset. The thesis provides insight into the importance of considering different machine learning methods and sets of mental resilience features for prediction of performance in simulation exercises in stressful jobs, which may have potential practical significance in the context of selection and training for highly stressful occupations.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:356100
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-07-13 10:00:36