Comparison of direct measurement methods for headset noise exposure in the workplace
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
The measurement of noise exposure from communication headsets poses a methodological challenge. Although several standards describe methods for general noise measurements in occupational settings, these are not directly applicable to noise assessments under communication headsets. For measurements under occluded ears, specialized methods have been specified by the International Standards Organization (ISO 11904) such as the microphone in a real ear and manikin techniques. Simpler methods have also been proposed in some national standards such as the use of general purpose artificial ears and simulators in conjunction with single number corrections to convert measurements to the equivalent diffuse field. However, little is known about the measurement agreement between these various methods and the acoustic manikin technique. Twelve experts positioned circum-aural, supra-aural and insert communication headsets on four different measurement setups (Type 1, Type 2, Type 3.3 artificial ears, and acoustic manikin). Fit-refit measurements of four audio communication signals were taken under quiet laboratory conditions. Data were transformed into equivalent diffuse-field sound levels using third-octave procedures. Results indicate that the Type 1 artificial ear is not suited for the measurement of sound exposure under communication headsets, while Type 2 and Type 3.3 artificial ears are in good agreement with the acoustic manikin technique. Single number corrections were found to introduce a large measurement uncertainty, making the use of the third-octave transformation preferable.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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