MétaCan
Menu
Retour à la cohorte
Enregistrement W2129945282 · doi:10.5267/j.ijiec.2011.03.006

Anthropometric evaluations and assessment of school furniture design in Nigeria: A case study of secondary schools in rural area of Odeda, Nigeria

2011· article· en· W2129945282 sur OpenAlexvenueno aff
Adekunle Ibrahim Musa

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnthropometryRural areaSoutheastern NigeriaMedicineSocioeconomicsSociology

Résumé

récupéré en direct d'OpenAlex

This study was carried out on 621 schoolboys with age range of 12-17 years in Junior and Senior Secondary Schools in Odeda area of Odeda local government in Ogun State, Nigeria.Different anthropometric data were collected from these boys.It was observed from the results that all anthropometric dimensions of the school children increase with their age.Moreover, there exists a little difference between mean values of different anthropometric dimensions between the boys of 12-13 years (2.9% to 8.8%), 14-15 years (1.3% to 9.9%), and 16-17 years (1.4% to 5.5%).But the said differences become much higher (16.2% to 42.4%) when the same were compared between the children of 12 years and 17 years.Therefore, it can be said that the design of furniture for the children of 12 years will not match the children of 17 years.If single furniture is designed by considering dimensions of the children from 12 years to 17years, it will also not suit the children of all age groups.Therefore, in the present investigation, all the students have been divided into three combined age groups, e.g., 12-13 years, 14-15 years, and 16-17 years, and the percentile values (5 th , 50 th and 95 th ) of anthropometric measures, which will be helpful for designing of the classroom furniture.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,080
Tête enseignante GPT0,371
Écart entre enseignants0,291 · 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

Citations21
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Industrial Engineering ComputationsMême sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207