Why Improving the Safety Climate Doesn't Always Improve the Safety Performance
Notice bibliographique
Résumé
Abstract This paper will discuss the results of a study outside the petrochemical industry (Vandevis (2008), but the results may have a profound effect on the way organizations try to influence their safety climate by setting so called SMART goals. It was conducted within the electrical high voltage contracting industry in Ontario, Canada and the objective was to investigate the relation between goal setting as a way to influence the safety climate and several safety related parameters and injury experiences. A quantitative survey based on Zohar's (2000) Safety Climate Scales was conducted with 564 surveys returned from 26 companies. Safety climate was not found to be correlated to self-reports of injury nor to lost-time or no-lost-time injury statistics. Safety climate was strongly and positively correlated with organizations setting at least partly SMART safety goals and in particular very strongly correlated when setting a goal of zero injuries and moderately and inversely correlated to self-reports of injury. People feel safer and report less accidents with or without injuries, but the actual performance using objective statistics has not improved. Setting such SMART safety goals as a way to improve the safety climate may lure both the management and employees of an organization into a false sense of achievement: the perceived level of safety goes up, however this change in perception is not matched with an actual improvement in safety performance. This study shows that management needs to do more than just setting SMART targets; if changes in the climate are seen as a "goal" rather than a "means" the safety performance will not improve.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».