Noise reduction in day-care centres by reducing reverberation time: Analyses and case studies
Bibliographic record
Abstract
Cliquez ici pour la version française de ce rapport_x000D_ Selon différentes études, les niveaux de bruit dans les locaux et les aires de jeu des Centres de la petite enfance (CPE) sont parfois élevés et peuvent avoir des répercussions sur la santé. La fatigue auditive et le stress sont les deux principaux effets négatifs. De plus, les niveaux de bruit élevés peuvent entraîner de l’irritabilité, un inconfort de communication, une réduction de l’intelligibilité de la parole et même un ralentissement de l’apprentissage verbal chez les enfants._x000D_ Plusieurs solutions ont déjà été identifiées et mises en place pour réduire le bruit dans les CPE : la réduction du nombre d’enfants par local, l’ajout de balles de tennis sous les pattes de chaises, la modification du choix des activités et des jouets._x000D_ Un autre moyen de réduire le bruit dans les CPE est l’ajout de matériaux acoustiques absorbants. Toutefois, cette solution est très peu répandue, probablement en raison du manque de connaissances relatives à l’influence des matériaux acoustiques sur les niveaux de bruit._x000D_ La présente étude a pour but d’évaluer la pertinence et l’efficacité de l’utilisation de matériaux acoustiques absorbants dans les CPE afin d’y réduire les niveaux de bruit._x000D_ Pour ce faire, les niveaux de bruit, le temps de réverbération et le facteur de rayonnement des surfaces ont été mesurés et analysés dans 40 locaux de 20 CPE du Québec. De plus, des mesures de dosimétrie ont été effectuées sur les éducatrices des CPE à l’étude afin de connaître la dose de bruit à laquelle elles sont exposées._x000D_ Après l’analyse des résultats, des solutions ont été suggérées et mises en place dans certains locaux des CPE dont l’installation d’un plafond acoustique et l’ajout d’une bande de panneaux acoustiques dans le haut des murs._x000D_ Ces traitements ont permis de réduire, en moyenne, les niveaux de bruit de 6 à 7 dBA. De plus, l’analyse détaillée des résultats a révélé qu’une partie de cette réduction des niveaux de bruit est attribuable au changement de comportement des enfants et, par le fait même, des éducatrices puisque, dans un environnement moins bruyant, le ton de la voix diminue._x000D_ Abstract_x000D_ According to various studies, noise levels in day-care centres and play areas are occasionally high, possibly resulting in health repercussions: auditory fatigue and stress being the two main negative effects. Furthermore, high noise levels may lead to irritability, difficulty communicating, reduced intelligibility and even to a reduction in verbal acquisition amongst children._x000D_ Several solutions have already been identified and implemented in order to reduce noise levels at day-care centres: cutting down on the number of children at each location, placing tennis balls under chair legs and modifying the choice of activities and toys._x000D_ Another way of reducing noise in day-care centres is by adding absorbent acoustic materials. This solution is, however, not very common, probably due to a lack of information on the influence that acoustic materials have on noise levels._x000D_ The aim of this study is to examine the relevance and effectiveness of the use of absorbent acoustic materials in day-care centres in reducing noise levels._x000D_ To do so, noise levels, reverberation time and the surface radiation factor were measured and analysed in 40 locations at 20 day-care centres in Quebec. Furthermore, dosimetry measurements were carried out on workers at the day-care centres in the study in order to find out the noise doses they were exposed to._x000D_ After analysing the results, solutions were suggested and implemented in certain locations around the day-care centres, such as installing an acoustic ceiling and adding a band of acoustic panels at the top of the walls._x000D_ These treatments have led noise levels to be reduced by, on average, 6 to 7 dBA. Furthermore, a detailed analysis of the results has revealed that part of this reduction in noise levels is attributable to a change in the children’s behaviour and, consequently, in the childcare workers, who begin to speak more quietly in a less noisy environment._x000D_ La version française de ce rapport est disponible à https://pharesst.irsst.qc.ca/rapports-scientifique/438/.
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".