論文の概要: Ergonomic Design of Computer Laboratory Furniture: Mismatch Analysis Utilizing Anthropometric Data of University Students
- arxiv url: http://arxiv.org/abs/2403.05589v2
- Date: Thu, 14 Mar 2024 10:02:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-16 01:11:34.047923
- Title: Ergonomic Design of Computer Laboratory Furniture: Mismatch Analysis Utilizing Anthropometric Data of University Students
- Title(参考訳): コンピュータ・ラボラトリー家具のエルゴノミクス設計:大学生の人体計測データを利用したミスマッチ解析
- Authors: Anik Kumar Saha, Md Abrar Jahin, Md. Rafiquzzaman, M. F. Mridha,
- Abstract要約: コンピュータ・ラボラトリー・エルゴノミクスを改善するのに適した人文計測に基づく家具次元
調整不能椅子と調整不能椅子の2種類の家具について検討した。
提案した寸法は, 既設の家具と比較して, 男女ともに適合性が高く, ミスマッチ率も低かった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many studies have shown how ergonomically designed furniture improves productivity and well-being. As computers have become a part of students' academic lives, they will grow further in the future. We propose anthropometric-based furniture dimensions suitable for university students to improve computer laboratory ergonomics. We collected data from 380 participants and analyzed 11 anthropometric measurements, correlating them to 11 furniture dimensions. Two types of furniture were studied: a non-adjustable chair with a non-adjustable table and an adjustable chair with a non-adjustable table. The mismatch calculation showed a significant difference between furniture dimensions and anthropometric measurements. The one-way ANOVA test with a significance level of 5% also showed a significant difference between proposed and existing furniture dimensions. The proposed dimensions were found to be more compatible and reduced mismatch percentages for both males and females compared to existing furniture. The proposed dimensions of the furniture set with adjustable seat height showed slightly improved results compared to the non-adjustable furniture set. This suggests that the proposed dimensions can improve comfort levels and reduce the risk of musculoskeletal disorders among students. Further studies on the implementation and long-term effects of these proposed dimensions in real-world computer laboratory settings are recommended.
- Abstract(参考訳): 多くの研究では、人間工学的に設計された家具が生産性と幸福をいかに改善するかが示されている。
コンピュータは学生の学問的生活の一部になっているので、今後さらに成長していくだろう。
本稿では,コンピュータ実験用エルゴノミクスを改善するために,大学生に適した人文計測に基づく家具寸法を提案する。
380人の被験者のデータを収集し,11の人文計測値と11の家具寸法を関連づけて分析した。
調整不能な椅子と調整不能なテーブルを備えた調整不能な椅子の2種類の家具について検討した。
ミスマッチ計算では, 家具寸法と人体計測値との間に有意な差が認められた。
また,5%の有意度を有する一方方向ANOVA試験においても,提案した家具寸法と既存家具寸法との有意差が認められた。
提案した寸法は, 既設の家具と比較して, 男女ともに適合性が高く, ミスマッチ率も低かった。
座席高さを調整可能な家具セットの寸法は, 調整不能家具セットと比較してわずかに改善した。
このことから,提案した次元は快適度を向上し,筋骨格障害のリスクを低減することが示唆された。
実世界のコンピュータ実験室環境におけるこれらの課題の実装と長期的影響に関するさらなる研究が推奨されている。
関連論文リスト
- Investigating a domain adaptation approach for integrating different
measurement instruments in a longitudinal clinical registry [0.0]
本稿では,共同潜在表現を得るための深層学習手法について検討する。
これは、画像データのためのコンピュータ科学において確立された概念であるドメイン適応に対応している。
ドメイン適応は, 時系列レジストリデータの統計的モデリングにおいて, より一般的に有用である可能性が示唆された。
論文 参考訳(メタデータ) (2023-12-01T14:28:37Z) - iBARLE: imBalance-Aware Room Layout Estimation [54.819085005591894]
ルームレイアウト推定は、1つのパノラマからレイアウトを予測する。
実際のデータセットには、レイアウトの複雑さの次元、カメラの位置、シーンの外観の変化など、大きな不均衡がある。
これらの問題に対処するために, imBalance-Aware Room Layout Estimation (iBARLE) フレームワークを提案する。
iBARLEは、(1)外観変化生成(AVG)モジュール、(2)複合構造混合(CSMix)モジュール、(3)勾配に基づくレイアウト目的関数からなる。
論文 参考訳(メタデータ) (2023-08-29T06:20:36Z) - Rearrange Indoor Scenes for Human-Robot Co-Activity [82.22847163761969]
本稿では,室内家具を人間ロボットのコアクティビティを向上するために,室内家具の配置を最適化した枠組みを提案する。
提案アルゴリズムは,SUNCGとConceptNetから抽出した空間的・意味的共起情報を統合することにより,家具間の機能的関係を保っている。
実験の結果、アレンジされたシーンは平均して14%のスペースを提供し、30%以上のオブジェクトをやりとりできることがわかった。
論文 参考訳(メタデータ) (2023-03-10T03:03:32Z) - Posture Prediction for Healthy Sitting using a Smart Chair [0.0]
腰痛は筋骨格障害や腰痛のリスク因子として認識されている。
本研究は、人物の座位姿勢を分類するための機械学習モデルを構築する。
論文 参考訳(メタデータ) (2022-01-05T20:31:28Z) - Inferring User Facial Affect in Work-like Settings [5.630425653717262]
難易度が異なる複数の作業のようなタスクにユーザが関わったとき, ユーザの顔への影響を推測することを目的としている。
まず、異なる条件で研究を設計し、12人の被験者のマルチモーダルデータを収集する。
次に、さまざまな機械学習モデルを用いていくつかの実験を行い、顔の表示と予測が、非作業状態から作業環境まで様々であることを示した。
論文 参考訳(メタデータ) (2021-11-22T01:23:46Z) - Jointly Modeling Heterogeneous Student Behaviors and Interactions Among
Multiple Prediction Tasks [35.15654921278549]
学生の予測課題は学生と大学生の両方にとって実用的な意味を持つ。
本稿では,不均一な振る舞いをモデル化し,複数の予測を行う。
大学から収集した実世界のデータセットに基づいて,モチベーション行動予測タスクを3つ設計する。
論文 参考訳(メタデータ) (2021-03-25T02:01:58Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳(メタデータ) (2021-01-26T16:01:02Z) - Comparison of Classification Algorithms Towards Subject-Specific and
Subject-Independent BCI [0.9023847175654602]
運動画像脳コンピュータインタフェースの設計は、主題別データ収集および校正の制限のために困難であると考えられている。
近年,先行キャリブレーションや厳密なシステム適応を伴わない複数ユーザへの適用可能性から,サブジェクト非依存(si)設計が注目されている。
本稿では,SSパラダイムとSIパラダイムの分類性能の比較検討について述べる。
論文 参考訳(メタデータ) (2020-12-23T04:05:20Z) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2020-12-22T17:52:29Z) - Kinematic-Structure-Preserved Representation for Unsupervised 3D Human
Pose Estimation [58.72192168935338]
大規模インスタディオデータセットの監視を用いて開発された人間のポーズ推定モデルの一般化可能性については疑問が残る。
本稿では,2対あるいは2対の弱い監督者によって抑制されない,新しいキネマティック構造保存型非教師付き3次元ポーズ推定フレームワークを提案する。
提案モデルでは,前方運動学,カメラ投影,空間マップ変換という3つの連続的な微分可能変換を用いる。
論文 参考訳(メタデータ) (2020-06-24T23:56:33Z) - A Data and Compute Efficient Design for Limited-Resources Deep Learning [68.55415606184]
同変ニューラルネットワークは 深層学習コミュニティへの関心を高めています
医療分野では、データの対称性を効果的に活用して、より正確で堅牢なモデルの構築に成功している。
ディープ・ラーニング・ソリューションのモバイル・オン・デバイス実装は医療応用のために開発されている。
しかし、同変モデルは大規模で計算コストのかかるアーキテクチャを用いて一般的に実装されており、モバイルデバイス上では動作しない。
本研究では、MobileNetV2の同変バージョンを設計、テストし、さらにモデル量子化により最適化し、より効率的な推論を可能にする。
論文 参考訳(メタデータ) (2020-04-21T00:49:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。