MétaCan
Menu
Retour à la cohorte
Enregistrement W4296367628 · doi:10.23880/eoij-16000284

Case Studies on the Body Postures and Technical Design of Small Angle Grinders

2022· article· en· W4296367628 sur OpenAlexaff
Kurt Landau

Notice bibliographique

RevueErgonomics International Journal · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésSquatting positionKneelingBent molecular geometryTrunkWork (physics)PolishingEngineeringStructural engineeringMechanical engineeringOrthodonticsEngineering drawingPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

Our case studies refer to small angle grinders. Work tasks, physical stresses during use, and stresses on the hand-arm system are discussed. For this purpose, a survey was administered to 42 work persons from four different industries. Angle grinders were the most important hand tools for the respondents. They used angle grinders for eight activities (from flexing to polishing). In addition, 17 detailed video analyses of the work processes with 5 different angle grinder makes were carried out in selected workshops. The survey results on working postures in the last week as well as within the last year indicated mainly bent and twisted trunk postures, squatting and kneeling at work. To that extent, these results correspond with the OWAS studies by Ellegast R, et al. The video studies pointed out the very frequent twisted or bent hand-arm postures. The (ergonomically recommended) alignment of tool axis and hand-arm axis is not possible when using angle grinders. Nevertheless, the vast majority of our test subjects are satisfied with the dimensions and characteristics of small angle grinders. The analysis results are transferred into a list of ergonomic requirements for product designers.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,051
Tête enseignante GPT0,330
Écart entre enseignants0,279 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErgonomics International JournalMême sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207