L'explication naïve et la perception des risques comme des voies pour améliorer les pratiques de REX: des études dans l'industrie chimique et l'industrie nucléaire
Notice bibliographique
Résumé
L’analyse de l’accident soulève de nombreux enjeux dont le poids préfigure également des biais possibles dans l’explication causale et laisse apparaître que l’explication de l’accident peut difficilement être neutre. En l’occurrence, les difficultés rencontrées dans la conduite du REX relèvent en grande partie de conflits qui surviennent lors des analyses d’accidents. Ce document présente quatre études de terrain qui visaient à comprendre l’origine des conflits entre les acteurs du REX lors des analyses d’accidents et à mieux appréhender le rôle de la perception des risques et du climat de sécurité dans la motivation des acteurs à s’impliquer davantage dans les pratiques de REX. Les études sont conduites dans l’industrie chimique et l’industrie nucléaire et portent sur plus de 1000 agents de tous niveaux hiérarchiques (cadres, agents de maîtrise, techniciens, ouvriers) et tous domaines d’activité (prévention, production, maintenance, qualité). La méthodologie repose sur des entretiens, des observations de comité REX, une expérimentation et l’administration de deux questionnaires. Il en ressort que les démarches de REX sont davantage subies qu’elles ne sont portées par les responsables du traitement des accidents en raison des coûts qu’elles engendrent en temps et en énergie, mais aussi à cause du manque d’opérationnalité des règles de traitement des accidents. Il s’avère ensuite que l’absence de dialogue autour des causes des accidents entretient des doutes sur la crédibilité du REX auprès des opérateurs. Mais avant tout, il est clairement établi que la peur d’endosser la responsabilité de l’accident détermine fortement l’explication de l’accident qui devient notamment très défensive. Par exemple, les cadres et les ouvriers se renvoient systématiquement la causalité des accidents: plus ils se sentent menacés par l’analyse d’accident, plus ils en attribuent la survenue à des facteurs internes à l’autre groupe hiérarchique. Les études révèlent également comment les croyances sur les risques conduisent les individus à être plus attentifs au REX sur les accidents directement liés au cœur de métier de leur industrie et moins attentifs au REX sur les accidents de la vie courante, pourtant plus nombreux et plus graves. Enfin, nous montrons en quoi un bon climat de sécurité peut favoriser l’implication des acteurs dans les pratiques de REX.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».