Appraisal of the Challenges to Ensuring Occupational Health and Safety Compliance within the Nigerian Construction Industry
Notice bibliographique
Résumé
The construction industry is known for the high number of accidents occurring within the industry. This is due to the hazardous working processes which have led to severe injuries, disabilities and fatalities. Towards reducing this hazards numerous health and safety regulations have been provided by construction firms in Nigeria. Despite the provision of the regulations hazards and accidents is still experienced on construction sites. Thus, this study appraised the challenges of ensuring compliance with health and safety regulations by construction workers in the Nigeria construction industry. Data were obtained from safety personnel and construction professionals using questionnaires through a convenience sampling method. One hundred and thirty-eight were used for the analysis out of one hundred and sixty-eight that was distributed to the respondents. The questionnaire was analysed using SPSS V 24 adopting Factor analysis and mean item score. The findings clearly show that construction workers compliance to health and safety requirements is below average while the factor analysis shows inadequate safety equipment, low awareness to occupational health and poor compliance to health and safety requirements are the major challenges hindering the compliance rate. The study recommends that implementation of the use of innovative measures and hi-tech devices such as radio frequency identification for effective monitoring of construction workers. It also recommends the involvement of construction workers when making the health and safety policies. This study contributes towards improving the occupational safety experienced on construction sites within the country.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».