MétaCan
Menu
Retour à la cohorte
Enregistrement W7132171159

Octave band impulse peak insertion loss: a method to characterize hearing protection devices when firing with small arms

2019· article· en· W7132171159 sur OpenAlexvenueno aff
S. Sarray, A. Nakashima, H. R. Dajani, M. Bouchard, D. Lo, S. Ghinet

Notice bibliographique

RevueNPARC · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInsertion lossImpulse (physics)AttenuationImpulse noiseOctave bandSmall armsOctave (electronics)Noise (video)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Military Operators (MOs) are exposed to a broad range of impulse noise that can vary greatly in terms of level, temporal and spectral characteristics. The accurate characterization of the performance of hearing protectors is required, to mitigate the hearing damage risk for the MOs working under such conditions. Presently, the accepted method to characterize Hearing Protection Devices (HPDs) performance is based on the measurement of the Impulse Peak Insertion Loss (IPIL); however, this measurement doesn't provide the peak Insertion Loss (IL) per Octave Band (OB). A method for measuring the peak IL per OB for HPDs was developed and is presented in this paper. The concept of an Octave Band Impulse Peak Insertion Loss (OBIPIL) is introduced to account for the HPD peak attenuation at each OB. Using a modified version of the ANSI/ASA S12.42-2010 test setup, the impulse noise signals for a 5.56 mm caliber weapon were recorded. The IPIL and the OBIPIL values of the tested HPDs were computed and are presented for comparison. Moreover, an OBIPIL comparison versus the Bone Conduction (BC) attenuation limits is provided to gauge the attenuation capabilities of each HPD at each OB. A performance behavior for each HPD is presented in the time domain and per OB. Finally, remarks, conclusions, pros and cons of the proposed methodology as well as future work are discussed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,065
Tête enseignante GPT0,275
Écart entre enseignants0,210 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetHearing, Cochlea, Tinnitus, GeneticsTravaux en français237 207