MétaCan
Menu
Retour à la cohorte
Enregistrement W1977026752 · doi:10.1121/1.4786815

Acoustic and electromagnetic noise from lighting in classrooms

2005· article· en· W1977026752 sur OpenAlexaff
Charles A. Laszlo, Jonathan Lashin, Murray Hodgson

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésHumActive listeningAcousticsNoise (video)Computer sciencePhysicsPsychologyCommunication

Résumé

récupéré en direct d'OpenAlex

Following complaints by hard-of-hearing students using assistive-listening devices, and their teachers, the hum-like noise generated by fluorescent lighting was investigated in classrooms and the school library in a typical school. This hum is caused by vibrations in the core of the magnetic ballasts. Measurements were made in several rooms without students present. Noise levels increased between 7 and 15 dB when fixtures using magnetic ballasts were switched on. Spectral analysis showed the presence of 30, 60, 120, and 240 Hz components. In rooms where electronic ballasts were installed, there was no increase in noise level when the lights were switched on. Since hearing aids and assistive-listening devices worn by students may also be influenced by magnetic fields, these were also surveyed in these classrooms. The magnetic fields generated by the lights were not significant, but near some wiring and electrical panels the interference was strong. In rooms with electronic ballasts some infrared assistive-listening devices picked up strong high-frequency hum. It is recommended that the effect of lighting fixtures and the electrical-distribution system be taken into account in the acoustical and communication design of classrooms.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,311
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetNoise Effects and ManagementTravaux en français237 207