Protecting the hearing-impaired worker: speech understanding with electronic hearing protection devices
Notice bibliographique
Résumé
Introduction: In many military and civilian occupations, the use of a hearing protection device (HPD) is required while working in noisy environments. When a worker has a pre-existing hearing loss, wearing traditional passive HPDs further impedes auditory communication. Our aim was to study speech understanding in noise with electronic HPDs under simulated hearing loss conditions to assess their effectiveness for use as hearing enhancement devices. Methods: Speech understanding was tested with 18 participants using the Speech Recognition in Noise Test (SPRINT). The three ear conditions were: unprotected, the wearing of an electronic earmuff (3M PELTOR Tactical 6–S), and the wearing of an electronic earplug (INVISIO V60 and an X5 headset). The two listener conditions were normal-hearing SPRINT, and simulated hearing loss SPRINT (SHL SPRINT). In the latter condition, the SPRINT audio files were digitally filtered to simulate a high-frequency hearing loss. Results: Participants obtained the highest scores with ears unprotected, especially in the SHL SPRINT condition. The external microphones of the electronic earmuff and earplug were found to have limited bandwidth, which could have reduced speech clarity and resulted in the low SPRINT scores. Discussion: The electronic HPDs did not improve speech understanding under simulated hearing loss conditions when compared to unprotected hearing. However, in noisy environments where HPDs are required, they provide a benefit over passive HPDs by reducing the risk of overprotection for the hearing-impaired worker.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».