MétaCan
Menu
Retour à la cohorte
Enregistrement W4402438648 · doi:10.11159/icmie24.102

Analysis Of Improvements In The Practice Of Anthropometry Through 3D Scanning And Photogrammetry At UNITEC

2024· article· en· W4402438648 sur OpenAlexvenueno aff
Tyzon Javier García Flores, Paola Michelle Pascua Cantarero

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety in Workplaces
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotogrammetry3d scanningAnthropometryComputer scienceComputer visionArtificial intelligenceComputer graphics (images)GeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

At UNITEC Tegucigalpa, it was observed that, during anthropometry laboratory practices, body measurements were obtained from the subjects measured using traditional methods, where the measurers took the measurements in various ways.This variability caused fatigue in both the students being measured and the measurers, resulting in delays in obtaining results.Consequently, these results could have some degree of alteration, which was not conducive to the classroom activity.The objective was to analyze improvements in the methodology for taking anthropometric measurements through alternative measurement methods, with the participation of 14 students from the Methods Engineering I class.It was found that the photogrammetry method offered greater reliability (AE = -0.40cm) compared to the 3D scanning method (AE = +4.19cm).The photogrammetry method had the highest percentage of activity by the measuring student, reaching 100%, and reduced the time by 32.16% (average percentage relative error with AE = -8.13min) compared to the traditional method.On the other hand, the 3D scanning method resulted in a greater idle time for the measurer, accounting for 78.82% (7.79 minutes) of the total time.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,351
Écart entre enseignants0,335 · 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'étudeExpérimental (laboratoire)
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetOccupational Health and Safety in WorkplacesTravaux en français237 207