Determinants of computer use: Insights from standard measurements and personal user parameters
Notice bibliographique
Résumé
In today’s world majority of the people are using computer and it has made our life very much easier. The present study is conducted in Dr. Rajendra Prasad Central Agricultural University, Kendriya Vidyalaya, Uma Pandey College and Block Office of Pusa Block, Samastipur, Bihar as there were a lot of active computer users. It is estimated that at least 75 per cent of the works are done through the use of computer, but the people are unaware about the health consequences of the computer use. Health problems of the computer users are mainly associated with the duration of computer use, improper computer workplace and the various environmental factors like positioning of computer screen, keyboard and mouse. Results from the study showed that half of the respondents were male and another half were female, among them majority of the users (48.33%) belonged to age group 20-30 years and (43.33%) belonged to age group 30-40 years. Majority of the computer users were working at average level of nature of work and 23.33 per cent of them had worked in poor level. Variables like age, income, gender, education and work environment of the computer users were found to have significant relation with the difficulty in eyes of the respondents and work environment of the users was inversely proportional to the difficulty experiences by the user in eyes. It was concluded that the work of the computer users was sedentary type which gradually develops chronic illness because of the bad postures adopted by the computer users, while performing their work for a prolonged time on a regular basis.
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) | 0,001 | 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 ».