A mapping review of challenges in existing technology-based occupational safety training in the tourism and hospitality industry: Research potential in commercial kitchens
Notice bibliographique
Résumé
Introduction: An effective response to a safe and healthy work environment relies on advanced preparedness such as occupational safety training. The main objectives of this study are to describe and classify the most critical challenges and identify knowledge gaps in the literature that could inform future research. Methods: A systematic mapping review gathers information from six search engines; Francis and Taylor, Scopus, Science Direct, Emerald Insight, and SpringerLink, which yielded journal publications between 1948 and 2022. The data were analyzed using meta-analysis from 135,310 article search results, whereby 20 articles met the inclusion criteria. The studies varied in terms of aim, study design, and reporting detail. Results: The results showed that Canada and the United States are countries that study safety training in the tourism or hospitality industry, mainly in food management and food safety. The results also show that studies on occupational safety training in commercial kitchens are not common in the existing literature. The findings revealed that the highest number of articles involving safety training focused on food safety and food management in the tourism industry but less on kitchen workers' safety. Conclusions: This mapping review demonstrates hospitality workers' struggles, especially commercial kitchen workers. This review presents the types of technologies used for occupational safety training and provides an overview of different strategies that address the challenges. Among the most significant obstacles in occupational safety and health training are a lack of knowledge, high financial costs for implementation, and outdated policies from authorities.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».