MétaCan
Menu
Retour à la cohorte
Enregistrement W3200752260 · doi:10.3397/in-2021-3215

The effect of sound masking on employees' acoustic comfort and performance in open-plan offices in Canada

2021· article· en· W3200752260 sur OpenAlexaboutno aff
Joonhee Lee, Roderick C. I. MacKenzie, Vincent Le Men, François Gariépy, Farideh Zarei

Notice bibliographique

RevueNOISE-CON proceedings · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueFacilities and Workplace Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOpen planMasking (illustration)Noise (video)AcousticsSound (geography)Computer scienceAuditory maskingRoom acousticsSpeech recognitionEngineeringReverberationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Sound masking systems are commonly used in open-plan offices to generate a controlled minimum level of background sound, in order to decrease the signal-to-noise ratio of intrusive speech and blend out transient office noise. However, a question in the acoustical design of offices is whether the self-generated noise of occupants may alone be sufficient to provide the background sound level conditions necessary to achieve similar levels of speech privacy and acoustic comfort as sound masking systems. This study examines the relationship between occupant-perceived speech privacy and acoustic comfort under three different acoustic scenarios (no masking, controlled 42 dBA, and 47 dBA masking sound levels). The study was conducted pre-COVID-19 in two separate open-plan offices located in Quebec, Canada that at the time were close to full occupancy. Employees completed subjective questionnaires before and after each change in conditions, focusing on how the sound environment impacted their comfort and work performance during the study. Statistical results show that the occupants were significantly more satisfied during the two sound masking conditions in comparison to the no-masking condition, where only the occupant-generated and exterior/mechanical system noise was present as the background sound. Implications for open-plan offices with lower occupancy conditions post-COVID-19 are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,251
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOISE-CON proceedingsMême sujetFacilities and Workplace ManagementTravaux en français237 207