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 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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».