Logiciel d'analyse et de gestion du bruit OUIE 2000 : développement et intégration d'un modèle d'acoustique prévisionnelle
Bibliographic record
Abstract
Le bruit est un des principaux problèmes de santé et de sécurité au travail, mais le manque d’outils d’analyse rend la planification et la mise en œuvre de programmes d’intervention difficiles à réaliser. Pour répondre à ce besoin, le développement d’un logiciel d’analyse et de gestion du bruit a été entrepris. Pour être complet et efficace, un modèle d’acoustique prévisionnelle spécialement adapté devait cependant être mis au point. Le présent projet de recherche et développement visait à développer ce modèle et à développer les fonctionnalités graphiques et les fonctionnalités d’analyse en vue de réaliser un outil complet pouvant être accessible aux intervenant en milieu de travail. Le modèle d’acoustique prévisionnelle mis au point est une extension de la méthode de Sabine, appelé Sabine d’ordre n. Elle consiste à déterminer les contributions du champ direct et des premières réflexions sur les parois, puis à répartir l’énergie résiduelle non considérée dans ces contributions. L’algorithme élaboré pour déterminer les trajets réfléchis sur chacune des parois, et ce, pour chaque ordre de calcul, utilise l’approche proposée par Borish (Expension of the image model to arbitrary polyhedra, JASA 75,(6)). Ce modèle d’acoustique prévisionnelle a été présenté au Congrès canadien d’acoustique en octobre 2000. Une interface graphique très conviviale a été développée sous environnement Windows afin de faciliter la mise en œuvre du modèle. Les fonctionnalités développées permettent à l’utilisateur de créer, en très peu de temps, un modèle du local à étudier à l’aide de la souris et d’une série de boutons d’action disponibles pour faciliter cette construction et la définition des paramètres acoustiques, tel que les sources, les écrans acoustiques, les panneaux absorbants, etc. Les résultats obtenus sont les cartes de bruit du local, l’évaluation de la contribution de chaque source à chaque fréquence, ainsi que les doses de bruit perçues par les groupes de travailleurs, s’il y a lieu. L’efficacité de traitements acoustiques spécifiques (traitements de sources, traitements acoustiques du local, ajouts d’écrans et/ou de panneaux absorbant) peut également être facilement évaluée. De plus, ce logiciel permettra de consigner de façon pratique toutes les caractéristiques acoustiques d'une installation industrielle ainsi que les doses d’exposition sonore des travailleurs. Grâce à ce projet de recherche et développement, les intervenants dans le domaine du bruit auront accès à un outil d'analyse et de gestion du bruit novateur. Ce logiciel devrait faciliter l'analyse du bruit en industrie et l'établissement de plans d’intervention structurés en vue de réduire de façon efficace les niveaux sonores et doses d'exposition des travailleurs.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".