Statistical Hypothesis Test Approach Considering Workers’ Thermal Comfort to Determine Nonworking Days in Different Climate Zones
Notice bibliographique
Résumé
Construction duration is one of the three major elements in the construction industry, and accurate prediction is essential to minimize project variations stemming from inherent uncertainties. When evaluating construction duration, it is necessary to differentiate between working days and nonworking days, the latter influenced by holidays and weather conditions. While holidays are fixed, weather-related nonworking days introduce significant uncertainty due to varying climate characteristics, often evaluated using a single factor. This can lead to misestimation of nonworking days, increasing overall project uncertainties. Therefore, this study aims to propose a risk level based on outdoor thermal comfort and to provide nonworking day estimation criteria suitable for each climate zone. The study consists of three main phases: (1) data collection and classification from South Korea; (2) analysis of estimated risk levels considering outdoor thermal comfort; and (3) analysis of nonworking days by climate zone considering the estimated risk levels. The results of the study are as follows. When considering four different climate zones, the highest average number of nonworking days was observed for each zone as follows: Cfa (temperate climate with no dry season) (approximately 4.65 days, August), Cwa (temperate climate with dry winter) (approximately 3.92 days, August), Dfa (subarctic climate with no dry season) (approximately 4.61 days, August), and Dwa (subarctic climate with dry winter) (approximately 3.45 days, August). This study provides criteria for nonworking days specific to each climate zone in the construction industry, allowing for more accurate estimation of nonworking days by considering climate-specific characteristics. Furthermore, by comprehensively evaluating various weather conditions and incorporating worker safety levels, the results can serve as a quantitative index for establishing safety management measures. Finally, this study contributes to creating a safer working environment for workers by reducing construction accidents and mitigating delays due to weather-related nonworking days, thus preventing economic losses and protecting workers’ lives.
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) | 0,000 | 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 ».