MétaCan
Menu
Retour à la cohorte
Enregistrement W28038448 · doi:10.1177/216507990405201205

Great Safety Performance: An Improvement Process Using Leading Indicators

2004· article· en· W28038448 sur OpenAlexaff
Dianne Dyck, Tony Roithmayr

Notice bibliographique

RevueAAOHN Journal · 2004
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensAlberta University of the ArtsAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)Variety (cybernetics)Process (computing)Risk analysis (engineering)Process managementWork (physics)BusinessPerformance improvementPerformance indicatorOperations managementMarketingEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The Great Safety Performance model uses leading indicators to drive injury prevention and provides a process to improve a company's safety outcomes by maximizing the conditions for safety within the workplace. The model asserts that leaders and workers need to jointly create conditions whereby everyone will know what to do, be able to do it, be equipped to do it, want to do it, and experience interactions that support safe performance in their job duties. These factors are referred to as the conditions for great performance. The Great Safety Performance model can serve as a vehicle to quantify, document, and demonstrate the efforts a company invests to create a safe workplace with safe work practices. By using the Great Safety Performance model, organizations can design and implement a variety of high leverage improvement initiatives specific to their business situations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,498
Écart entre enseignants0,402 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAAOHN JournalMême sujetOccupational Health and Safety ResearchTravaux en français237 207