Development of a Mobile App for Occupational Stress Screening Among Female Workers: Protocol for an Exploratory Sequential Design Study
Notice bibliographique
Résumé
BACKGROUND: Occupational safety hazards include physical, chemical, ergonomic, biological, and psychological hazards. Technological innovation in screening for occupational stress, especially among female workers, is needed to improve their health and productivity. OBJECTIVE: This research is being conducted to obtain a prediction model of work stress through a questionnaire instrument that includes stressors and symptoms based on the transactional model, as well as measurement of work stress through a mobile app that can be used anywhere. METHODS: The research is conducted in 3 stages: qualitative research, quantitative research (cross-sectional), and mobile app development. Data were collected from companies located in Jakarta, Indonesia. The sample was chosen based on purposive sampling. For the quantitative research (n=430), logistic regression analysis was used. RESULTS: We are developing a work stress screening instrument for female workers, which includes stressors and symptoms based on the transactional model, in the form of a digital platform so that female workers can undertake the examination anywhere without interfering with working hours or home duties. This research was funded in January 2024 and qualitative data collection began in February 2024. Quantitative data were obtained in March 2024; the number of respondents in the qualitative stage was 6, and in the quantitative stage it was 430. The work stress screening app is in the development stage and will be launched at the same time as the data collection is performed so we can examine the respondents' perspectives on the use of the app. CONCLUSIONS: This study analyzes the prediction of work stress to help female workers screen for work stress. Workers who are detected as experiencing work stress will be educated using an algorithm programmed in the app. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/55874.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».