MétaCan
Menu
Retour à la cohorte
Enregistrement W4389228382 · doi:10.3397/in_2023_0789

A questionnaire survey on the prevalence of self-reported voice disorders in school teachers, and classroom noise in Japan

2023· article· en· W4389228382 sur OpenAlexaboutno aff
Naoko Evans, Miki Kaneko, Taiki Shigematsu, Hirokazu Sakamoto, Ken Kiyono

Notice bibliographique

RevueNOISE-CON proceedings · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueVoice and Speech Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)School teachersCompromiseMedical educationPsychologyThroatQuality (philosophy)QuestionnaireMedicineNoise (video)Family medicineMathematics educationSociologyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

School teachers are known as professional voice users, hence any damage to their voice or throat could compromise their work as well as their lives. We conducted a questionnaire survey of 830 teachers working at elementary schools, junior-high schools, high schools and schools for children with special needs in Saitama prefecture in Japan. We investigated the prevalence of self-reported voice disorders in teachers and how their quality of life might be influenced. We also asked the teachers to share some of their experience with noise in classrooms. We found the following three points. Firstly, more than a quarter have consulted medical doctors for problems with their voice or throat. Secondly, quality of life of female teachers are slightly more affected by their voice problems than their male peers. Thirdly, approximately 20 percent of teachers are concerned about the noise in their classrooms.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,274
Écart entre enseignants0,255 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOISE-CON proceedingsMême sujetVoice and Speech DisordersTravaux en français237 207