Research Associate (Air Traffic Control)

Институт исследований управления воздушным движением (ATMRI), являясь ведущим новатором в науке и технологиях управления воздушным движением, в сотрудничестве с Технологическим университетом Наньяна (NTU) и Управлением гражданской авиации Сингапура (CAAS) предлагает захватывающую карьерную возможность. Созданный в 2013 году, ATMRI находится на переднем крае повышения эффективности, безопасности и устойчивости мировых систем воздушного транспорта.

Как исследовательский сотрудник, вы будете:

• Разрабатывать и проводить эксперименты для тестирования удобства использования, эффективности и эффективности новых автоматизированных инструментов в управлении воздушным движением.
• Применять принципы эргономики и человеческого фактора для улучшения пользовательского интерфейса систем управления воздушным движением, повышая удобство использования и минимизируя ошибки.
• Использовать продвинутые физиологические датчики, такие как ЭЭГ, ЭКГ и отслеживание взгляда, для оценки рабочей нагрузки и психического состояния диспетчеров воздушного движения во время их дежурства.
• Анализировать физиологические данные для выявления паттернов и значимых тенденций, связанных с пиками рабочей нагрузки и усталостью диспетчеров.
• Сотрудничать с разнообразными командами, работающими в области операций по управлению воздушным движением, разработки программного обеспечения и обеспечения качества.

Для успешной работы на этой должности вы должны обладать:

• Степенью магистра в области инженерии человеческого фактора, эргономики, промышленного или интерактивного дизайна или в смежной области.
• Значительным опытом исследований в области человеческого фактора, идеально в критически важных с точки зрения безопасности средах, таких как управление воздушным движением.
• Твердым основанием в пользовательско-ориентированном дизайне и методологиях тестирования удобства использования.
• Экспертизой в технологиях физиологического мониторинга и методиках анализа данных.
• Знанием экспериментального дизайна, статистического анализа и хорошим пониманием применения машинного обучения.
• Способностью работать как самостоятельно, так и в команде в коллаборативной среде.