Thematic Analysis of Key Recommendations from Commissioned Occupational Health and Safety Reports in Mining
Notice bibliographique
Résumé
The objective of the study was to address the recommendations from 10 commissioned occupational health and safety (OHS) reports from the mining industry internationally, spanning the past 50 years. The investigation involved a two-step thematic analysis using Leximancer, a text mining software, to identify the key themes and concepts present in the recommendations. First, Leximancer was utilized to analyze the manifest content of each report through conceptual and relational analysis to produce concept maps. The Leximancer mapping subsystem works in two stages, characterized as semantic extraction of dominant themes, followed by relational extraction [1]. Next, a seeded analysis of the term safety culture was conducted to determine how the concept of safety culture overlaps or diverges from the discussion and recommendations present in the documents [2]. It is evident from the initial analysis that although safety culture was discussed briefly in a few of the documents, it was not a consideration in the formation of the recommendations. Therefore, as results indicate, if the recommendations continue to focus on engineering more solutions for past errors, instead of focusing on the organizations safety culture, they will fail to prevent accidents and fatalities of the future. Applying the findings of this research to OHS in mining, and other industries, such as health care, construction and aviation, has the potential to provide a greater contribution to the prevention of occupational accidents and risk reduction.
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 | 0,029 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».