| ???persistent.caption.title??? |
???persistent.caption.value??? |
|
|
| Clavius tčíslo: |
28229
|
| Překlad: |
Využití strojového učení pro predikci stresu na příkladu logistiky
|
| Rozšířená anotace: |
|
| Jazyk dokumentu: |
ger
|
| Ročník: |
75
|
| Číslo: |
3
|
| Rozsah (stránky): |
s. 282-295
|
| Název zdroje: |
Zeitschrift für Arbeitswissenschaft
|
| Rok vydání: |
2021
|
| Publikovat na bozp-info: |
|
| Forma publikování: |
|
| Perex: |
|
| Datum publikování: |
|
| Publikováno na URL: |
|
| Připojené soubory: |
Einsatz von Maschinellem Lernen
|
| Název: |
Einsatz von Maschinellem Lernen für die Vorhersage von Stress am Beispiel der Logistik
|
| Další názvová informace: |
|
| Klíčové slovo: |
přestávky pracovní
psychofyziologie
senzory
stres
technologie
učení strojové
|
| Autor: |
Foot, Hermann
|
| Anotace: |
Stres a jeho komplexní účinky jsou zkoumány již od počátku 20. století. Různorodé psychické a fyzické stresory ve světě práce mohou v souhrnu vést k poruchám organismu a k onemocnění. Vzhledem k tomu, že fyzické a subjektivní důsledky stresu se individuálně liší, nelze stanovit žádné absolutní prahové hodnoty. K výzkumu systematického rozpoznávání vzorců fyziologických a subjektivních parametrů stresu a k predikci stresu jsou v tomto článku použity metody strojového učení (machine learning, ML). Jako praktický případ aplikace slouží odvětví logistiky, v němž jsou stresové faktory často zakořeněny v pracovní činnosti a organizaci práce. Jedním z konstrukčních prvků prevence stresu je pracovní přestávka. Pomocí metod ML se zkoumá, do jaké míry lze stres předvídat na základě fyziologických a subjektivních parametrů, aby bylo možné individuálně doporučit pracovní přestávky. Článek představuje prozatímní stav softwarového řešení pro dynamické řízení přestávek v logistice.
|
| Bezpečnostní úroveň: |
|
| Druh: |
nezadáno
|
| Odkaz na dokument (URL): |
|
| Původní znění: |
|