An ethical framework for human-robot collaboration for the future people-centric manufacturing: A collaborative endeavour with European subject-matter experts in ethics
Notice bibliographique
Résumé
Envisioning humans and (smart) robots collaboratively working on the manufacturing shop floor, sharing spaces, tasks and objectives, reflects the ambitious goal that the ideal factory of the future aspires to attain. However, ensuring the effective implementation of this novel form of labour organisation remains an ongoing area of research. Key aspects such as the future role of workers, potential psychological risks, and the overall ethical considerations of Human-Robot (H-R) collaboration warrant further investigation until the underpinning safety challenges have been addressed. This study presents a novel ethical framework for H-R collaboration in manufacturing, which involved 30 subject-matter experts in ethics within the European context in a collaborative design process conducted through a year-long three-round data collection qualitative Delphi study. The ethical framework adopts a human-centric approach, recognising the influences that expand beyond the specific context of H-R dynamics on the shop floor, towards organisational and societal governance for a more responsible integration of (smart) robotics into the professional settings. Ethics, in this regard, aims to foster ethical awareness and accountability in the processes and practices of design and innovation, involving all stakeholders who play a role in shaping the future of Industry 5.0.
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 | 0,156 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,056 |
| Communication savante | 0,020 | 0,014 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,011 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».