Bibliographic record
Abstract
Il y a eu beaucoup d'inquiétude au sujet des jeunes (et plus) personnes écoutant les lecteurs de musique personnels dans le cadre de leur vie quotidienne et la façon de les protéger contre la perte d'audition.CSA Z107.56 comprend une section sur l'estimation de l'exposition au bruit dans les casques qui met cette question en perspective.Basé sur des recherches indiquant que la plupart des gens régler le volume de la musique et de la parole à environ 15 dB au-dessus de la température ambiante actuelle la norme fournit une estimation de leur exposition au bruit.En supposant, comme la norme fait, que les écouteurs typiques offrent peu de réduction du bruit ambiant, la plupart des gens ne seront pas exposées au-dessus de 85 dBA à condition que le bruit de fond est inférieur à 70 dBA.Dans la pratique, cela signifie que la surexposition devrait être rare sauf dans les rues très fréquentées ou dans des véhicules plus forts, tels que les voitures de sport, le transport à grande vitesse et des avions.Cela limite les domaines de préoccupation considérablement et devrait aider à cibler les moyens utiles pour contrôler la surexposition.Mots-clés: Musique, exposition au bruit, les normes de bruit des casques de CSA, le bruit des transports, le bruit de la circulation
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 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.004 |
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".