Les conversations personnelles dans les bureaux à aire ouverte
Bibliographic record
Abstract
Dans les bureaux à aire ouverte, les conversations en arrière-plan influencent négativement le bien-être des employés ainsi que leur performance sur des tâches quotidiennes. Des résultats récents suggèrent d’ailleurs que la nature personnelle des conversations amplifie leur pouvoir distracteur, d’où l’importance de la présente étude visant à vérifier à quel point ce type de conversation est dérangeant. Pour ce faire, l’impact distracteur des conversations personnelles est examiné dans un contexte cognitivement exigeant, soit l’utilisation d’une police d’écriture « disfluente » (c.-à-d. plus difficile à lire), un facteur reconnu comme ayant un effet protecteur contre la distraction auditive. Ainsi, 60 participants effectuent une tâche de bureau avec police disfluente et 60 autres avec une police fluente sous trois conditions sonores : silence, dialogue (les deux interlocuteurs d’une conversation sont entendus) et demilogue (un seul des deux interlocuteurs est entendu). Les résultats montrent que l’utilisation d’une police disfluente, comparativement à celle fluente, ne diminue pas la quantité de distraction produite par les conversations. Ces résultats suggèrent que les conversations personnelles sont particulièrement distrayantes. Ce pouvoir distracteur accru découlerait de l’aspect intrigant qui est inhérent au contenu de ce type de conversation et qui susciterait un besoin (volontaire) d’écouter la conversation.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".