High Safety Risk Assessment in the Time of Uncertainties (COVID-19): An Industrial Context
Notice bibliographique
Résumé
Background: The complexities of the workplace environment in the downstream oil and gas industry contain several safety-risk factors. In particular, instituting stringent safety standards and management procedures are considered insufficient to address workplace safety risks. Most accident cases attribute to unsafe actions and human behaviors on the job, which raises serious concerns for safety professionals from physical to psychological particularly when the world is facing a life-threatening Pandemic situation, i.e., COVID-19. It is imperative to re-examine the safety management of facilities and employees' well-being in the downstream oil and gas production sector to establish a sustainable governance system. Understanding the inherent factors better that contribute to safety behavior management could significantly improve workplace safety features. Objective: This study investigates employees' safety behavior management model for the downstream oil and gas industry to consolidate the safety, health and wellbeing of employees in times of COVID-19. Methods: Nominal Group Technique (NGT) was first employed to screen primary behavioral factors from 10 workplace health and safety experts from Malaysia's downstream oil and gas industry. Consequently, 18 significant factors were identified for further inquiry. Next, the interpretive structural modeling technique was used to ascertain the complex interrelationships between these factors and proposed a Safety Behavioral Management Model for cleaner production. Results: This model shows that management commitment, employee knowledge and training, leadership, and regulations contribute significantly to several latent factors. Our findings support the Social Cognitive Theory, where employees, their environment, and their behaviors are related reciprocally. Conclusion: It is postulated that identifying safety factors and utilizing the proposed model guides various stakeholder groups in this industry, including practitioners and policymakers, for achieving long-term sustainability.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».