Failing to Fix What is Found: Risk Accommodation in the Oil and Gas Industry
Notice bibliographique
Résumé
The present program of research synthesizes the findings from three studies in line with two goals. First, the present research explores how the oil and gas industry is performing at risk mitigation in terms of finding and fixing errors when they occur. Second, the present research explores what factors in the work environment relate to a risk-accommodating environment. Study 1 presents a descriptive evaluation of high-consequence incidents at 34 oil and gas companies over a 12-month period (N = 873), especially in terms of those companies' effectiveness at investigating and fixing errors. The analysis found that most investigations were fair in terms of quality (mean = 75.50%), with a smaller proportion that were weak (mean = 11.40%) or strong (mean = 13.24%). Furthermore, most companies took at least one corrective action for high-consequence incidents, but few of these corrective actions were confirmed as having been completed (mean = 13.77%). In fact, most corrective actions were secondary interim administrative controls (e.g., having a safety meeting) rather than fair or strong controls (e.g., training, engineering elimination). Study 2a found that several environmental factors explain the 56.41% variance in safety, including management's disengagement from safety concerns, finding and fixing errors, safety management system effectiveness, training, employee safety, procedures, and a production-over-safety culture. Qualitative results from Study 2b suggest that a compliance-based culture of adhering to liability concerns, out-group blame, and a production-over-safety orientation may all impede safety effectiveness.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».