A state-of-the-art, systematic review of indoor environmental quality studies in work-from-home settings
Notice bibliographique
Résumé
The COVID-19 pandemic has led to a significant increase in working from home worldwide, making the work-from-home (WFH) setting a crucial context for studying the influence of indoor environmental quality (IEQ) on workers’ well-being and productivity. A narrative and visual synthesis of 41 research articles on IEQ in WFH settings was conducted to identify the IEQ factors being measured and their correlations with perceived productivity and well-being. This review shows that the IEQ conditions at home were mainly within the recommended international standards. However, some high maxima were recorded, particularly for metrics related to quality of indoor air partly due to wider availability of evidence, which raised concerns regarding the suitability of indoor conditions while working from home. Despite the presence of these high maxima, workers generally rated all environmental factors highly. This could possibly reflect their lack of awareness of changes in environmental conditions, suggesting that monitoring environmental conditions might be necessary when working from home. Compared with traditional offices, workers seemed to be more satisfied with the environmental conditions at home although some WFH settings were found to be deficient in sound insulation, ergonomic and technological support, leading to multiple health complaints. Several studies have also demonstrated significant correlations between assessments of IEQ and those of productivity, physical and mental well-being. Future IEQ studies in WFH settings should consider using a longitudinal study design and including more representative samples, different seasons, multi-domain analyses, and multicountry and multicultural settings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».