Tolerance of Noise in the University Library
Notice bibliographique
Résumé
In modern civilization, noise has become a problem in many situations. Traffic noise has been seen to reduce level of health and quality of life (Dratva et. al. 2010). Background noise has been seen to reduce learning ability (Lukits 2012). Even at low levels, noise has been identified as a source of distraction, irritation and low productivity (HR Focus 2006). This study examined the degree to which various sources of noise are a problem to university library users. Preliminary exploratory investigation was conducted with secondary research, as well as informal consultation with library staff, informal discussion with undergraduate classes and first-hand, unstructured observation in the library. With the information gained, a paper questionnaire was constructed consisting of fourteen items representing various sources of noise which were rated on seven-point scales ranging from 1 for least problematic to 7 for most problematic. These were self-completed by 199 library users in various parts of the library over a period of three days at various times of those days. An overall average of the rating was calculated and then the average of the rating from each source was compared with t-tests. Greater tolerance than average was seen for noises that were part of the normal operation of the library. Lower tolerance was seen for sources which were not part of normal operation such as construction, student socializing and cell phones. Interestingly, noises associated with cell phone use, both the ringing of the devices and the talking into them, were less tolerated than average. Also, the level of tolerance of these noises decreased with age of respondent.
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 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 | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».