MétaCan
Menu
Retour à la cohorte
Enregistrement W1987023951 · doi:10.13031/2013.16069

Ergonomic Concerns with Lightbar Guidance Displays

2004· review· en· W1987023951 sur OpenAlexaff
C. S. Ima, Danny Mann

Notice bibliographique

RevueJournal of Agricultural Safety and Health · 2004
Typereview
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésHuman factors and ergonomicsPoison controlOccupational safety and healthSuicide preventionInjury preventionForensic engineeringEngineeringTransport engineeringMedical emergencyMedicine

Résumé

récupéré en direct d'OpenAlex

This article reviews some ergonomic factors associated with agricultural guidance displays. Any technology or management decision that improves the efficiency of an agricultural operation can be considered an aspect of precision farming. Agricultural guidance displays are one such tool because they help to reduce guidance error (i.e., skipping and overlapping of implements within the field), which result in improper application of crop inputs at increased cost. Although each of the guidance displays currently available functions using a different principle, their key objective is to communicate useful guidance information to the operator of the agricultural machine. The case with which the operator obtains the required information depends on a number of ergonomic factors, such as color perceptibility, flash rate, attentional demand, display size, viewing distance, and height of placement of the display in the cab. Ergonomics can be defined as the application of knowledge to create a safe, comfortable, and effective work environment. Consequently, it is critical to consider ergonomics when designing guidance displays or when locating a display in the tractor cab. Without considering ergonomics, it is unlikely that the efficiency of the human-machine system can be optimized.

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)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,063
Tête enseignante GPT0,415
Écart entre enseignants0,352 · 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
GenreSynthèse

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

En bref

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Safety and HealthMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207