MétaCan
Menu
Retour à la cohorte
Enregistrement W2478200858 · doi:10.2495/safe-v6-n2-310-320

Emerging tools for evaluating safety management systems effectiveness

2016· article· en· W2478200858 sur OpenAlexvenueno aff
Tim Brady, Alan J. Stolzer

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRisk analysis (engineering)Computer scienceOccupational safety and healthEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Safety Management Systems (SMS) have become prevalent in a host of industries, including aviation, for managing safety, but little research has been performed to-date on measuring the effectiveness of SMS.This research examined the independent application of two related concepts to assess effectiveness: IO/SMS, an Input-Output economics concept applied to SMS, and Data Envelopment Analysis (DEA).Input-Output (IO) is a method for systematically determining the inter-relationships among elements in a system.To determine if IO could be applied to SMS, it was necessary to calculate the relative importance to the system of the four components of SMS.Five SMS experts participated and, through a series of exercises, determined values for the 24 discrete SMS parts.Using IO matrix math, these values were then calculated for a 24×24 matrix.The results produced a matrix that could be used to predict the impact on the system by changing either a total input value such as an aggregate score on a survey, or by changing a single value.DEA is a multi-factor, mathematical programming technique that is used to determine the boundary of an efficient frontier.Using inputs and outputs, a ratio is calculated, which measures the relative efficiency, or effectiveness, of each decision making unit (DMU).In this research, inputs and outputs were determined for each of the four components of SMS via surveys conducted by subject matter experts.DEA models were developed and tested, and efficiency scores were developed for each DMU.DEA modeling also revealed the specific areas that could be addressed to improve efficiency scores.IO/SMS and DEA appear to be powerful tools to measure SMS effectiveness.A next step in the research may be to examine techniques that combine the benefits of both methods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,075
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,075
Méta-épidémiologie (sens strict)0,0030,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0250,013
Études des sciences et des technologies0,0010,002
Communication savante0,0070,007
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,445
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetOccupational Health and Safety ResearchTravaux en français237 207