Ergonomics modelling and evaluation of automobile seat comfort
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Automobile seats are developed in an iterative manner because subjective feedback, which is usually of questionable quality, drives the design. The time and cost associated with iteration could be justified if the process was guaranteed to produce a comfortable seat. Unfortunately, this is not the case. Current practices are based on the premise that seat system design teams need objective, measurable laboratory standards, which can be linked to subjective perceptions of comfort. Only in this way can predictions be made regarding whether or not a particular design will be viewed by the consumer as comfortable. This type of forecasting ability would effectively improve the efficiency with which automobile seats are designed. In this context, the research reported, developed, and validated a stepwise, multiple linear regression model relating seat interface pressure characteristics, occupant anthropometry, occupant demographics, and perceptions of seat appearance to an overall, subjective comfort index derived from a survey with proven levels of reliability and validity. The model performance statistics were: adjusted r(2)=0.668, standard error of estimate=2.308, F (6, 38)=15.728, p=0.000, and cross-validated r (15)=0.952, p=0.000. From the model, human criteria for seat interface pressure measures were established. These findings could not have been attained without first demonstrating that (1) the data collection protocol for seat interface pressure measurement was repeatable and (2) seat interface pressure measurements can be used to distinguish between seats.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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