今日聽到了CAE Chief Technical Officer， Christopher Ranganathan機長的講座，關于如何使用數據，并納入EBT之中。這是一個很熱的話題，尤其涉及到 LOSA和模擬機數據，小伙伴們，是不是摩拳擦掌，想看詳細分解
首先，在EBT中，我們都知道了內環數據和外環數據的概念，內環數據是指那些由訓練產生的數據，外環數據則是由運行，或者外部其他研究機構的數據。航司的安全 效率測量的改進需要一種全系統方法。
對于FDA、LOSA、ASR（安全報告）、教員報告、模擬機QAR數據，進行了多個維度的分析，包括觸發分析、發生了什么、為什么發生、記錄正向行為、樣本率、偏見機率、Benchmarking率，這些讓我們更理解這些數據的特性，今天就先看 LOSA數據、教員評分數據和模擬機數據。
對于一個完善的教員培訓系統，一定有一個教員打分驗證系統。
以下圖為例，是各個機隊教員打分的柱狀圖分布，對于分布在兩端的點，需要訓練系統管理員去探查，為什么該教員打了這個分數，偏離于大部隊。或者該教員永遠打3分，都是需要核查他是否理解打分原則并執行打分原則的點。（民航Safety話語：各位教員，你們是否接受過打分原則的培訓呢？航司是否有發現教員們最喜歡打3、4分，一般不會打到2分或4分，對于這樣的分布是否符合您的預測呢？這樣的5分制變成了妥妥的2分制，無法描繪出航司人員的 能力分布。）在EBT中，加大對教員打分質量的規范和數據研究非常必要。
模擬機數據可以怎么用呢？左側是教員給出的低于平均值的案例比例，右側是模擬機記錄的數值，這兩類獨立數據的比較，給教員打分的準確性創造了機會。
接下來介紹LOSA數據的使用，LOSA的數據使用，通過某公司數據與行業Benchmark的對比，找到該公司需要關注的差錯類別。并通過在LOSA軟件中的數據挖掘，發現該差錯類別伴隨的場景。那么這些場景和勝任力就成為訓練主題的要素構成啦。
下一代LOSA是糅合了勝任力的LOSA（民航Safety：是的，這一點，在2019年接觸國際專家時已經發現了，所以在現有的LOSA方案中是加入了對勝任力的判斷，這也是為什么大家感覺國內的LOSA方案好像還挺時髦的亞子）
這一頁很精髓啊，通過LOSA發現自動華差錯總是伴隨著 FPA、PRO、KNO、LTW、WLM的勝任力問題，并且通過LOSA數據發覺到那些通過過濾到的適合給FO、機型A、B，以及該小時數上設置的這些Scenario的飛行階段和訓練主題，Scenario自然而然就出來啦～～～～（民航Safety：所以說啊，以后課程研發人員就是對數據分析和篩選極其感興趣，并愿意將課程研發作為職業化態度來對待的一波人，他們著迷于自己從數據海洋中挖掘的力量，他們著迷于聽飛行員討論此次復訓場景設計的精妙，他們著迷于去搜索運行數據來驗證訓練有效性，他們著迷于將飛行教員的打分拉到一個標準上來～ 總之，他們對自己的訓練設計工作負責）
所以，通過對數據的多源融合，訓練讓SMS更有活力啦，EBT不僅僅是針對訓練，他也改變了安全管理、飛行機隊管理，三個部門開始用一種語言去對話，而這恰恰是SMS的需要。（民航Safety：以前我們從事SMS研究的時候，以為那個統一語言的部門會是安全管理部，后來發現EBT讓所有統一啦，因為這涉及到每一位飛行員的崗位勝任力，從崗位的要求上，讓所有與飛行員管理相關的部門，都來研究和學習勝任力啊。）
通過此次學習，我從心底升騰起一個聲音，我們在等待一些人的成長和出現，那些人是能夠 1.具備國際視野（英語讀寫說） 2.保持open的學習態度 3. 著迷于數據挖掘和使用 4. 具備良好的CRM 5.當然還是一位優秀的飛行員 6. 他具備很高的技術崗很高，卻不一定是管理崗，所以他可以著迷于自己從數據海洋中挖掘的力量，他們著迷于聽飛行員討論此次復訓場景設計的精妙，他們著迷于去搜索運行數據來驗證訓練有效性，他們著迷于將飛行教員的打分拉到一個標準上來～ 總之，他們對自己的訓練設計工作負責。 有一天運行副總，想問一個關于某類風險的趨勢，他會是一個智多星般的存在，會是守護機隊運行的數據醫生、是一個值得尊敬的專業人才！ Where are u？ |
