The Design of Experiments in Occupational Ergonomics Research: Issues and Challenges
Notice bibliographique
Résumé
As with all scientific disciplines involving research (laboratory or field), the design of an experiment, and the statistical methods used, are critical factors in research rigor, thus in our ability to compare, evaluate and communicate research findings. Courses in experimental design and statistics are required for the pursuit of advanced training in ergonomics. Across various scientific fields, there has been renewed interest in, and scrutiny of, statistical methods in establishing the validity and “truthfulness” of data, opinions, interpretations and projections of outcomes. Ergonomics researchers use distinct research methods (e.g., laboratory vs field; cross-sectional v. experimental, etc.) and must contend with a variety of constraints based on resources, availability of participants and access to the workplace. The variety of study designs chosen will challenge researchers as well as practitioners when comparing their results across published studies and attempting to generalize findings to new settings. This discussion panel will explore several the questions and issues related to research design and draw on specific studies from the literature. Topics and discussion will include study design (laboratory v field); different forms of experimental design (RCT v opportunistic); sample size and heterogeneity; non-parametric methods and differences in outcome measures and study durations. Following the presentations, ample time will be set aside for discussions of key issues with the panelists and audience. This session is relevant for the practitioners who must understand, interpret and apply the results of research to real-world problems.
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 | 0,755 | 0,757 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,006 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,011 | 0,067 |
| Communication savante | 0,029 | 0,029 |
| Science ouverte | 0,014 | 0,013 |
| Intégrité de la recherche | 0,025 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».