O-206 Determinants of e-waste workers’ intention to wear respiratory protective equipment at work in Hong Kong
Notice bibliographique
Résumé
a:2:{s:4:"lang";s:2:"en";s:7:"content";s:2085:" Introduction E-waste workers in Hong Kong are exposed to more chemicals because more e-waste needs to be handled locally. However, studies suggested that many e-waste workers are unwilling to wear respiratory protective equipment (RPE) for different reasons. This study aimed to identify the determinants of e-waste workers’ intention to wear RPE in Hong Kong. Material and Methods We recruited 109 e-waste workers from June 2021 to September 2022. A workplace RPE intention scale (WRPIEs) was developed based on validated Robertsen’s RPE behavior intention model and Hong Kong Occupational Safety Culture Index. The WRPIEs was consolidated by exploratory factor analysis and further enhanced by confirmatory factor analysis. Multivariate linear regression was used to test the association between the identified domain factors and the intention to use RPE at work. Results Most of the participants were aged over 40 years (76%), had middle school or below educational degrees (83%), wore RPE (94%) at work, and had increased time of wearing RPE after the Covid-19 pandemic (69%). Four domain factors (containing 17 manifest variables) were confirmed, including ‘subjective norms (SN)’, ‘supportive working conditions (SWC)’, ‘autonomy’, and ‘occupational safety and health’. The enhanced WRPIEs had good indices in internal consistency reliability (Cronbach’s α ranged: 0.78–0.94), good composite reliability (range: 0.79–0.95), and model fit (SRMR=0.05, RMSEA=0.03, CFI=0.99). Among the identified domain factors, SN (β=0.36) and SWC (β=0.30) significantly increased e-waste workers’ intention to wear RPE at the workplace. Conclusions This newly validated WRPIEs scale can help capture Chinese e-waste workers’ intention to wear RPE. Results from this study also suggested that various stakeholders could enhance SN and SWC to facilitate workers’ willingness to wear PPE. (Acknowledgements: GRF/RGC-165056653 & VCDFIII-136366853. Ethics approval: CREC 2020.039; *shelly{at}cuhk.edu.hk) ";}
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».