MétaCan
Menu
Retour à la cohorte
Enregistrement W6974413243 · doi:10.5878/002747

Musculoskeletal disorders and stress in checkout cashiers 2005

2015· dataset· en· W6974413243 sur OpenAlexaff

Notice bibliographique

RevueSwedish National Data Service · 2015
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensInstitute for Work & Health
Organismes subventionnairesnon disponible
Mots-clésPaymentWork (physics)Physical stressStress (linguistics)Work stressMusculoskeletal disorderPsychological stress

Résumé

récupéré en direct d'OpenAlex

As a complement to an investigation of work movements, the prevalence of musculoskeletal disorders and stress at work was investigated among checkout cashiers in a number of shops belonging to the same company during May 2005. The disorder prevalence was assessed by a NMR-questionnaire form. The stress load was assessed by a stress-energy questionnaire according to Kjellberg and Iwanowski. In addition, questions about stressing factors at work were put. Fifty cashiers from seven shops in a metropolitan area filled in the questionnaire. The cashiers had an average age of 24 years. In spite of this the prevalence of musculoskeletal disorders was quite high. The stress-energy results showed a picture of experienced stress in many subjects but positive energy readings in most subjects. Several operations were experienced as physically straining, especially lifting heavy objects. The behaviour of the customers was the major course for stress. Unfriendly or tardy behaviour, piling up products, complaints about and return of products were mentioned. Bad design or function of the computer system or other technical equipment were other sources of stress. Regarding the interaction with the customers the payment situation was an activity causing irritation. Purpose: To study physical and psychological burden on the cashiers in grocery stores.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,333
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSwedish National Data ServiceTravaux en français237 207