A Resilience Approach to Improving Safety Performance in Construction
Notice bibliographique
Résumé
The construction industry is recognized as having inherent risks with high levels of change and uncertainty.The complexity of this project poses a challenge to traditional safety management approaches.As an alternative, a resilience approach to traditional safety management is used, which is designed to deal with uncertainty in a high-risk work environment in the form of a resilience safety culture.This research will look at the relationship between resilience safety culture variables, and safety performance in a stateowned construction company in Indonesia using the partial least squares structural equation modeling approach.Resilience safety culture variables in this study include management commitment, reporting, learning, anticipation, flexibility, awareness, coworker's safety perception, supervisor's safety perception, safety attitudes, understanding of risk, safety resources, and safety procedures.The results of the PLS-SEM test show that there are 9 relationships between variables that have a significant positive influence.As a significant variable that has a direct effect on safety performance, awareness is the main determining factor for improving the company's safety performance.With the significant influence of safety awareness on safety performance, there is a need to increase safety awareness to ensure consistent improvement in safety performance.It is recommended for companies to be able to increase safety awareness, one of which is through safety awareness workshops as a way to improve safety performance.The provision of this workshop is an initiative to increase the ability to anticipate and manage risk proactively which can result in an increased level of awareness of hazards and provide a deeper understanding of safety at work sites so that appropriate preventive measures can be taken to reduce the possibility of accidents or unwanted incidents.These results are expected to be used as a guideline for companies in increasing their safety performance.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».