Assessing human factors and ergonomics capability in organisations – the Human Factors Integration Toolset
Notice bibliographique
Résumé
This paper presents the development of a tool that allows an organisation to assess its level of human factors (HF) and ergonomics integration and maturity within the organisation. The Human Factors Integration Toolset (available at: https://www.researchgate.net/project/Human-Factors-Integration-Toolset) has been developed and validated through a series of workshops with 45 participants from industry and academia and through industry partnered field-testing. HF maturity is assessed across five levels in 16 organisational functions based on any of 31 discrete elements contributing to HF. Summing element scores in a function determines a percent of ideal HF for the function. Industry stakeholders engaged in field-testing found the tool helped to establish the status of HF in the organisation, plan projects to further develop HF capabilities, and initiate discussions on HF for performance and well-being. Improvement suggestions included adding an IT function, refining the language for non-HF specialists, including knowledge work and creating a digital version to improve usability. Practitioner summary: A tool scoring HF capability in 16 organisation functions has been developed collaboratively. Industry stakeholders expressed a need for the tool and provided validation of tool design decisions. Field-testing improved tool usability and showed that beyond scoring HF capability, the tool created opportunities for discussions of HF-related improvement possibilities. Abbreviations: HF: human factors; HFIT: Human Factors Integration Toolset
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».