Determining the usability and technology acceptance of a powered and automated cargo management system during ladder lifting tasks: A pilot study
Notice bibliographique
Résumé
BACKGROUND: Evidence for the adoption and acceptance of assistive devices for ladder lifting tasks by workers is scarce. OBJECTIVE: This study aims to investigate the technology acceptance and usability of a powered and automated cargo management system (RazerLift®) used by workers who need to lift ladders as part of their daily duties, as compared to mechanical cargo management systems (traditional). METHODS: We used a one-way repeated measures design in this study. Our primary outcome variable was a usability performance measurement measured as time (in seconds) for unloading and loading ladders using both systems. Our secondary outcome was technology acceptance, measured using questionnaires with a 5-point Likert scale: "strongly disagree (1)" to "strongly agree (5)". RESULTS: The participants conducted the combined unloading and loading time using the powered and automated system (RazerLift®) 20.85 seconds faster than the traditional system (p-value = 0.000, t-value (df) = -5.730 (6), d = 2.713). Overall, the RazerLift® system (mean = 44.28, SD 5.58) had a higher technology acceptance compared to the traditional system (mean = 30.00, SD 7.91), (p = 0.041, t-value (df) = 6.589 (6), d = 4.60). CONCLUSIONS: The RazerLift® was more time efficient compared with the traditional system, and (2) the RazerLift® was superior in terms of technology acceptance compared to the traditional system.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».