Assessing human factors and ergonomics capability in organizations : The Human Factors Integration Toolset
Notice bibliographique
Résumé
This paper presents the development of a tool that allows an organization to assess its level of human factors (HF) and ergonomics integration and maturity within the organization. The Human Factors Integration Toolset (available at: TBD) 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 organizational 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 organization, 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 organization functions has been developed collaboratively. Industry stakeholders expressed a need for the tool and provided validation of tool design decisions. Fieldtesting improved tool usability and showed that, beyond scoring HF capability, the tool created opportunities for discussions of HF-related improvement possibilities. Keywords: Macroergonomics, ergonomics strategy, organizational design and management, process management, operations management This paper was awarded a Liberty Mutual Award for 2020.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».