Wearable Biosensors in the Workplace: Perceptions and Perspectives
Notice bibliographique
Résumé
Objectives: Wearable body and brain sensors are permeating the consumer market and are increasingly being considered for workplace applications with the goal of promoting safety, productivity, health, and wellness. However, the monitoring of physiologic signals in real-time prompts concerns about benefit and risk, ownership of such digital data, data transfer privacy, and the discovery and disclosure of signals of possible health significance. Here we explore the perceptions and perspectives of employers and employees about key ethical considerations regarding the potential use of sensors in the workplace. Methods: We distributed a survey developed and refined based on key research questions and past literature to a wide range and size of industries in British Columbia, Canada. Both employers (potential Implementers) and employees (potential Users) were invited to participate. Results: We received 344 survey responses. Most responses were from construction, healthcare, education, government, and utilities sectors. Across genders, industries, and workplace sizes, we found a convergence of opinions on perceived benefit and concern between potential Implementers and potential Users regarding the motivation to use biosensors in the workplace. Potential Implementers and Users also agreed on issues pertaining to safety, privacy, disclosure of findings of possible medical significance, risks, data ownership, data sharing, and transfer of data between workplaces. The greatest variability between potential Users and Implementers pertained to data ownership. Conclusion: Strong agreement in the perception of biosensor use in the workplace between potential Implementers and Users reflects shared interest, motivation, and responsibility for their use. The use of sensors is rapidly increasing, and transparency about key use factors-both practical and ethical-is essential to maintain the current and desirable level of solidarity.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».