【摘 要】
:
近年来,我国民用机场各类突发事件频发,机场应急管理人员作为应急救援的主导核心,其胜任力会对应急救援的成效产生重要影响。为全面提升机场应急救援效率及管理能力,必须对机场应急管理人员胜任力评价模型进行系统的研究。首先,通过对机场应急管理人员的概念和工作概述、胜任力内涵及特征模型的理论研究,对本文所研究的民用机场应急管理人员胜任力的内涵进行界定。其次,运用文本分析、问卷调查等方法,基于胜任力理论和特定的
论文部分内容阅读
近年来,我国民用机场各类突发事件频发,机场应急管理人员作为应急救援的主导核心,其胜任力会对应急救援的成效产生重要影响。为全面提升机场应急救援效率及管理能力,必须对机场应急管理人员胜任力评价模型进行系统的研究。首先,通过对机场应急管理人员的概念和工作概述、胜任力内涵及特征模型的理论研究,对本文所研究的民用机场应急管理人员胜任力的内涵进行界定。其次,运用文本分析、问卷调查等方法,基于胜任力理论和特定的工作任务分析建立了民用机场应急管理人员胜任力评价指标体系,包括基本知识、业务技能、管理能力、个人特质和执业精神五个维度及23个胜任力指标。之后,采用模糊网络分析法构建胜任力网络结构模型,并确定胜任力评价指标的权重,得到了机场应急管理人员胜任力的关键指标。构建了基于多层次中心点三角白化权函数的胜任力灰色聚类评价模型,通过计算总体灰色综合评价值来评价胜任力水平。最后,以某机场5名应急管理人员为例,运用该模型进行实例验证,研究结果表明,5名机场应急管理人员的胜任力水平排序为:P5>P3>P1>P4>P2,P5的整体胜任力水平最高。此外,以P1单人样本为例,根据评价结果对其整体胜任力及单项胜任力进行分析,并提出对应的改进措施。本研究具有一定的理论及实践意义,针对民用机场应急管理人员胜任力评价与应用进行了较为系统的研究。本文所建立的胜任力评价指标体系和评价模型,可为机场应急管理人员的持续评价、人才选拔、动态考核及精准培训提供科学的依据。
其他文献
在过去的十几年间,区块链技术得到了巨大的发展。基于去中心化的公有链搭建的货币系统层出不穷,在全球范围内吸引了大量用户。去中心化的公有链看似是未来金融系统的不二选择,其实不然,公有链系统存在四大缺陷。第一,公有链与中心化金融系统相比,交易吞吐量太低。比特币和以太坊的峰值交易吞吐量仅为每秒7笔和15笔,而VISA峰值为24000笔,支付宝峰值为256000笔。第二,公有链出现了中心化的趋势。比特币和以
“哈龙”灭火剂因破坏臭氧层被禁止使用,寻找环境友好和灭火性能优越的替代灭火剂成为急需解决的焦点问题。民用飞机由于运行环境特殊且一旦发生火灾救援难度较大,所以机载灭火剂除了具备优越的灭火性能还需满足飞机适航性相关标准。民用航空界一致认为与哈龙性能相近的化学灭火气体是最可能的哈龙替代品。然而化学灭火气体数以十万计,性能差异较大,所以研发综合性能优良的新型高效化学灭火气体的工作量较大。而探究化学灭火气体
超声成像是医学成像领域的主要模态之一。深度学习技术具有强大的学习能力,拥有广泛的应用前景。近几年来,超声成像与深度学习技术结合的研究方兴未艾,在波束形成后数据合成、下采样恢复、波束形成等方面取得了一定的研究进展。然而,目前的研究工作还比较有限,代表性工作偏少。波束形成是超声成像的关键步骤,因此探索波束形成与深度学习技术的结合对超声图像质量的提升具有重要意义。由于其强大的学习能力,深度神经网络可用来
飞机在服役过程中承受不同形式动载荷的作用,这些动载荷的确定对故障诊断、设计优化等具有重要意义。但是受限于工程实际中的复杂情况,往往无法使用力传感器直接获取动载荷数据。因此,有必要研究一种基于结构振动响应来间接获取动载荷的技术。本文针对谐波载荷和冲击载荷建立不同的识别模型,基于GARTEUR模型验证载荷识别方法的有效性,基于数值计算与试验相结合的方法探究载荷识别模型的适用性。并以某型飞机全尺寸有限元
伴随着飞机可靠性的提升,人的因素作为保障民航安全和效率的关键要素已被广泛认可。但是近年来,飞行机组因素却已成为诱发飞行事故的重要原因。飞机运行过程中,存在大量的工作应激源,适当的应激反应能够增强飞行机组的警觉性,提升突发事件的处置水平,可是应激反应一旦过强,则会诱发人的差错,严重威胁飞行安全。本研究旨在探究工作任务应激下差错发生时飞行员的多种生理指标参数值的差异,分析差错与应激的关系,对飞行差错进
CCAR33部第21条中明确规定:发动机的设计与构造必须在飞机预定工作条件下提供必要的冷却。气膜冷却在涡轮叶片冷却中起到了非常重要的作用。但是在涡轮设计过程中,为保证航空发动机的安全性和经济性,即在保证冷却效果的前提下将掺混损失降低至最小,快速准确地预估掺混损失成为了一个重要的课题。本文采用数值模拟的方法,围绕叶栅环境下冷气射流与主流掺混过程中对流场与掺混损失的影响这一问题,对相关内容展开系统的研
组合优化是最优化中与算法理论、运筹学相关的一个分支,在人工智能、软件工程、理论计算机科学等领域都有重要的应用。在结构化组合优化问题中,背景数据不是由单一的数据类型构成,而是由存在相互依赖关系的多个数据模块组成。不同问题样例的背景数据维度差异较大,难以用固定规模的机器学习模型处理。尽管已有研究人员尝试借助机器学习方法解析组合优化问题信息模块间的相互依赖关系,但现有的基于学习的组合优化算法仍然缺乏合适
问题生成是自然语言处理的一个热门研究话题,有着丰富的应用场景,可以促进教育、对话系统、阅读理解等领域的研究与发展。最近几年,问题生成领域快速发展,研究学者提出许多方法来生成各式各样的问题。然而,在视觉问题生成领域,目前大部分研究仅仅基于图像来生成问题,而忽略了问题的难度。问题的难度在评估生成问题的质量中扮演着十分重要的角色。为了吸引用户,一个优秀的自动问题生成器应根据用户的能力和经验生成不同难度的
随着信息技术与通讯技术的蓬勃发展,视频作为一种新兴的信息载体越来越受到人民群众的重视。由于成像设备与运输条件的不足,显示端的视频往往存在着分辨率低、质量差的缺陷。因此,能从低分辨率视频序列帧中恢复高分辨率视频帧的视频超分辨率(Video Super Resolution)成为了近几年的一个蓬勃发展的研究主题。而从视频超分辨率的普遍的两种不同评价指标(即重建精度和视觉感知)的角度出发,视频超分辨率可
现如今,在这个集体安全意识觉醒的社会中,针对人员个体的视频监控系统拥有庞大的需求量。随着智能新科技的蓬勃发展,人工智能因其高效的设计方式、灵活的运用手段等优势,使得广大研究人员集中精力探索其中的奥秘。作为人工智能领域的一个重要分支,计算机视觉被广泛应用于智能安防监控场景中。在大型公众场所的安防监控系统中,会出现重点行人隐匿在人群中或是消失在监控画面中的情况,此时通过肉眼往往难以快速准确的在海量视频