A moderated-mediated model of youth safety
Notice bibliographique
Résumé
Purpose Workplace injury and death of young persons are important concerns. The purpose of this paper is to focus on the mediating role of safety behaviours underpinning the relationship between perceived safety climate (PSC) and injuries, and the moderating roles of safety-specific transformational leadership (SSTL), general transformational leadership (GTL) and training in influencing the mediation, for young workers. Design/methodology/approach An exploratory, online questionnaire was completed by 367 university students employed in various industries. Data were analysed using moderated mediation. Findings Safety behaviours mediated the relationship between PSC and injuries. SSTL moderated the relationship between PSC and safety behaviours, but GTL did not. Training did not positively moderate the relationship between safety behaviour and injuries, yet may still inform us on the training by referent others since safety behaviour mediated the relationship between PSC and injuries when SSTL, GTL and training were high. Research limitations/implications A student sample was utilised, but was appropriate in this context as it is representative of the type of workers being studied. Longitudinal data with larger diverse data sets should be incorporated. Practical implications Business owners must utilise both forms of leadership to promote a safe workplace. HR and H&S professionals must continue to encourage this promotion. Social implications Safety training and leadership are important for policy makers and regulators to reduce workplace injuries for youth workers. Originality/value This study is the first to test youth H&S using moderated mediation. Safety specific and general forms of leadership and training are important predictors.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».