Impact of Energy-Based Safety Training on Quality of Prejob Safety Meetings and Control of Hazardous Energy in Construction: Multiple Baseline Experiment
Notice bibliographique
Résumé
Serious injuries and fatalities (SIFs) continue to plague the construction industry. The preponderance of evidence suggests that preventing SIFs requires the identification, assessment, and control of hazardous energy. In this study, we isolated and measured the impact of energy-based safety training on the quality of prejob safety briefs and the presence of direct controls during subsequent work. We conducted a standardized training intervention in both English and Spanish and tested it via a multiple baseline experiment on 10 construction crews working in the US and Canada. Dependent variables were measured using a prejob safety brief quality scoring rubric and the High-Energy Control Assessment (HECA) protocol. The training caused immediate and significant improvements in the quality of prejob safety briefs and a measurable but smaller effect on the HECA score. Whereas prejob safety meeting scores and effect sizes were consistent, HECA was highly variable across the work crews both before and after the training. This suggests that, although short-term impacts on the quality of safety planning may occur over a short time frame, the impacts on the control of hazardous energy may require comparatively more time and data to achieve conclusive results. Methodologically, this study demonstrates an experimental protocol for isolating and attributing the impact of a safety intervention over short periods. Such a protocol may be used in practice to draw casual inferences, and is a step toward the ability to objectively measure the return on safety investment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».