MétaCan
Menu
← Retour à la cohorte
Enregistrement W4381089843 · doi:10.1051/e3sconf/202339601075

An overview of indoor environmental conditions in work-from-home settings

2023· article· en· W4381089843 sur OpenAlexaffabout
Sanyogita Manu, Adam Rysanek

Notice bibliographique

RevueE3S Web of Conferences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRelative humidityEnvironmental scienceResidenceCoronavirus disease 2019 (COVID-19)HumidityAtmospheric sciencesGeographyEnvironmental healthAnimal scienceDemographyStatisticsMeteorologyMedicineMathematicsPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

During the last week of March 2020, about 4.7 million workers in Canada transitioned to working from home due to the pandemic. A similar transition occurred at a global scale. Few studies have evaluated the WFH setting from a perspective that’s been a significant public concern during the COVID-19 pandemic: indoor environmental quality (IEQ). The objective of this paper is to present an analysis of the IEQ conditions in WFH settings based on a field study of 95 WFH sites during May-July 2022 in the Pacific Northwest region. The IEQ variables of air temperature, relative humidity, CO2, total volatile organic compounds, PM2.5, ambient light and noise were measured continuously at 10-minute intervals for the duration of the study. A preliminary analysis of the IEQ data shows the indoor air temperature in WFH settings within the study sample, ranged between 15.7-32°C, with a mean value of 22.7°C (SD = 2.3°C). The mean indoor concentrations of CO2, TVOCs and PM2.5 were 674 ppm (SD = 324 ppm), 288 ppb (SD = 515 ppb) and 4.7 μ/m3 (SD = 20.5 μ/m3) respectively. The mean values for relative humidity, light and noise were 53% (SD = 7%), 174 lux (SD = 349 lux) and 53 dB (SD = 5 dB). Associations between type of residence and most of the IEQ variables were found.

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)0,001
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,082
Tête enseignante GPT0,346
Écart entre enseignants0,263 · 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
GenreSynthèse

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE3S Web of Conferences→Même sujetAir Quality and Health Impacts→Travaux en français237 207→