Bibliographic record
Abstract
De nombreux travailleurs sont exposés à des niveaux de bruit trop élevés qui les mettent en danger de perdre leur audition. Cependant la réduction du bruit à la source, lorsqu'elle est techniquement possible, est souvent difficile à mettre en oeuvre pour des raisons économiques. La protection auditive individuelle reste donc la solution la plus répandue en pratique. Malheureusement, les protecteurs auditifs actuellement disponibles sur le marché sont rarement portés aussi continuellement qu'ils le devraient (car ils sont peu confortables ou doivent être enlevés pour communiquer) et sont généralement mal adaptés aux besoins de protection du travailleur (car leur atténuation individuelle effective est très généralement inconnue). Ce travail de thèse de doctorat, réalisé en étroite collaboration avec la compagnie SONOMAX SANTÉ AUDITIVE INC. avait pour objectif général le développement d'un bouchon d'oreille intelligent qui remédierait à l'ensemble des problèmes des protecteurs auditifs actuellement sur le marché et permettrait ainsi de prévenir efficacement la perte auditive en milieu industriel. Les problématiques associées à ce développement ont été formulées de façon détaillée siys sous l'aspect santé-sécurité au travail (port non continu du protecteur et protection inadaptée), l'aspect technique (développement d'un bouchon confortable du point de vue physique et perceptif et dont les performances sont mesurables) et l'aspect scientifique (modélisation de systèmes physiques, traitement du signal, instrumentation et mesure). Les développements techniques ont conduit à la mise au point d'un bouchon d'oreille sur-mesure obtenu par un procédé d'ajustement instantané au sein même de l'oreille du travailleur, dont les performances acoustiques sont mesurables individuellement grâce à l'utilisation d'une sonde microphonique et dont l'atténuation acoustique peut être adaptée au besoin du travailleur par l'insertion de filtres acoustiques passifs au travers du protecteur. Les développements scientifiques ont permis la mise au point d'une méthode de prédiction de l'atténuation acoustique à partir de la mesure d'un affaiblissement acoustique et la mise au point d'une méthode de prédiction de l'atténuation résultante de l'utilisation des filtres acoustiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.004 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".