A novel dataset of indoor environmental conditions in work-from-home settings
Notice bibliographique
Résumé
During the last week of March 2020, millions of workers around the world transitioned to working from home due to the COVID-19 pandemic. While much research has explored the behavioural and psychological aspects of work-from-home (WFH), few studies have provided data-driven evaluations of indoor environmental quality (IEQ). This paper presents findings from a summer 2022 field study of IEQ conditions in WFH settings, involving 95 participants in the North American Pacific Northwest. Sensors installed on participants' work desks continuously measured total volatile organic compounds ( t VOC), particulate matter (PM 2.5 ), carbon dioxide (CO 2 ) air temperature, humidity, and sound pressure levels (SPLs). Participants also completed surveys on home and workspace characteristics, as well as their subjective assessments of IEQ, well-being, and productivity. The study found that mean indoor concentrations of t VOC, PM 2.5 , and CO 2 were 262 ppb, 5 µg/m 3 , and 712 ppm, respectively. Indoor air temperature ranged between 14.7–32.3 °C, with a mean of 22.8 °C, while relative humidity and SPL averaged at 52.5 % and 53.7 dBA. Statistically-significant associations were observed between IEQ variables and factors such as residence type, cooking habits, workspace type, and window availability. A future paper will assess the surveyed behavioural and psychological characteristics in greater detail.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».