AVALIAÇÃO DOS ASPECTOS ERGONÔMICOS DE FOOD TRUCKS LOCALIZADOS NO MUNICÍPIO DE SÃO PAULO
Bibliographic record
Abstract
Em um cenário de aumento da oferta de food trucks , esta pesquisa refere-se ao ambiente e às condições de trabalho dos funcionários deste setor. O objetivo foi avaliar ergonomicamente os aspectos ambientais e físicos de food trucks , bem como o estado nutricional e as condições de trabalho dos colaboradores. Os dados foram colhidos no último trimestre de 2016 durante o período vespertino em food trucks localizados no município de São Paulo. Utilizou-se a Análise Ergonômica do Trabalho (AET), aplicativos para determinar a luminosidade e os ruídos e um questionário adaptado onde também foi inserido o diagrama de áreas dolorosas e peso e alturas aferidos para cálculo de Índice de Massa Corporal (IMC). Todos os 17 food trucks analisados apresentaram níveis de luminosidade e ruído satisfatórios, apesar de a percepção dos colaboradores indicar o contrário. A temperatura foi classificada por 63,3% como razoável ou ruim. Notou-se que 84% consideram fatores específicos nos food trucks que interferem no desempenho laboral, como o ruído e o layout dos veículos. Dos 30 colaboradores, 63,3% pertencem ao gênero masculino e 63,3% são eutróficos. Em adição, 96,7% desempenhar dupla função com jornadas de trabalho variadas, o que impacta em cansaço (79,3%) e em dor em alguma parte do corpo (55,2%), sendo as mais sentidas nas pernas (60%) e costas (49,9%). Portanto, apesar de satisfatórias, as condições ergonômicas devem ser avaliadas para que não haja redução do desempenho, da produtividade e da qualidade de vida do trabalhador.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".