ASHRAE RP 1852 toward a unified metric for speech privacy in high-performance buildings: Speech level variation by office environment and communication type
Notice bibliographique
Résumé
The loudness of speech is critical in predicting speech intelligibility and privacy in office environments. The surrounding environment can influence speech levels, necessitating accurate measurement in typical work settings to enhance predictions of speech privacy. Standardized speech levels and spectra, as outlined in ASTM or ANSI standards, can aid in predicting speech privacy or intelligibility. However, these data are collected in anechoic chambers with participants following scripted scenarios. This study presents a revised and updated examination of speech levels in two offices in Quebec, Canada, analyzing data from over 70 employees across different room types, communication scenarios, languages, and tasks. In open offices, desks with partitions showed higher speech levels (56 dBA) compared to those without partitions (52 dBA). Meeting rooms showed relatively consistent levels (52-54 dBA) regardless of size. Teleconference group meetings resulted in employees using slightly higher levels (54 dBA) compared to other communication methods within the same rooms (53 dBA). Statistical analysis revealed significant effects of office type, communication method, language, and task on speech levels. Individual variations in speech were more significant than office layout or communication methods. The observed variability in speech levels across different individual speakers and office settings suggests that current standardized methods for assessing speech privacy may need re-evaluation.
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) | 0,000 | 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 | 0,001 | 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 ».