MétaCan
Menu
Retour à la cohorte
Enregistrement W2033649330 · doi:10.1121/1.4805326

Estimation of noise exposure level for subjects wearing hearing protector devices

2013· article· en· W2033649330 sur OpenAlexaff
Cécile Le Cocq, Hugues Nélisse, Jérôme Boutin, Jérémie Voix, Frédéric Laville

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travailÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMicrophoneAcousticsNoise (video)Sound pressureMireNoise exposureComputer scienceEnvironmental scienceAmbient noise levelSound exposureAudiologyHearing lossSound (geography)PhysicsArtificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

Industrial workers are exposed to noise levels that could damage their hearing. The Field-MIRE (F-MIRE) method has been developed to quantify earplug and earmuff attenuations with two microphones located under and outside of the HPD. This technique has been designed to be used in the field, but does not give a direct access to the noise exposure level, that is, the noise level at the head location without the subject. In this article, we present a combination of the F-MIRE method with a proposed technique to estimate the sound pressure level without subject, in order to quantify both the ambient and protected noise exposure levels and deduce the effects on worker hearing. Several experiments have been conducted on four subjects with three types of earplugs and with five types of earmuffs. First, the best location for the microphone outside of the HPD has been determined. Second, correction factors that need to be applied on the outside microphone measurement to estimate the sound pressure level without subject have been quantified. Finally, the proposed technique has been validated with measurements taken in a simulated workplace.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,283
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetStructural Health Monitoring TechniquesTravaux en français237 207