An indirect calculation method for estimating occupational sound exposure from communication headsets
Notice bibliographique
Résumé
Measurement of noise exposure from communication headsets is challenging due to the need for specialized equipment, methods, and training. Canadian standard Z107.56-13 [(2013). Measurement of Noise Exposure (Canadian Standards Association, Mississauga, Canada)] introduced a calculation procedure to promote a simpler method that stakeholders in hearing loss prevention could readily apply using widely accessible sound level equipment. The original procedure specified a fixed signal-to-noise ratio (SNR) of 15 dB above the protected background noise when estimating the speech listening level through the headset communication channel. The relationship between background noise level, noise type, headset noise reduction (NR), and speech listening level is revisited in this study. In a noise simulation room, 24 participants were asked to adjust the headset volume while listening to speech and executing a visual reaction task. Results indicate that the growth in speech listening levels with noise is not adequately represented by a fixed SNR, and that one-sided listening increases speech levels by about 5-7 dB in quiet and in noise compared to two-sided listening. Moreover, use of an octave-band procedure with derating to estimate headset NR best captured the speech listening level data. A revised calculation procedure based on linear regression modeling is described with parameters adjusted separately for one-sided and two-sided headsets.
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 | 0,002 | 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 | 0,001 | 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 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 ».