Proposal of a safety maturity framework in construction: Implementing leading indicators for proactive safety management
Notice bibliographique
Résumé
The construction industry remains among the most hazardous sectors globally, despite significant advancements in regulatory standards over the past decades. Traditional safety management practices often rely on lagging indicators which fail to prevent future incidents or foster a proactive safety culture. Safety leading indicators, in contrast, offer a forward-looking approach by identifying risks before incidents occur. However, the effective integration of these indicators remains underexplored, with a lack of structured frameworks to guide their implementation. This research addresses this gap by developing a Safety Maturity Framework (SMF) specifically designed for construction organizations. The SMF provides a systematic model for assessing and enhancing safety performance through five progressive stages, moving from basic compliance to advanced, data-driven practices focused on continuous improvement. Building on and extending prior maturity models that emphasize cultural evolution, the SMF explicitly incorporates leading indicators as operational benchmarks at each stage of maturity, linking organizational culture with measurable safety practices. A rigorous methodology was employed, beginning with a systematic literature review to extract safety leading indicators. This was followed by semi-structured interviews with safety professionals. Thematic and content analysis revealed key patterns, including the critical role of leadership commitment, organizational learning, and workforce engagement in embedding leading indicators into day-to-day operations. Key findings also underscored the interdependent nature of leading indicators and safety culture, demonstrating how factors like leadership and culture interact dynamically to drive safety performance. The SMF serves as a practical tool for construction firms to transition from reactive safety measures to a proactive safety culture, enhancing risk anticipation, operational efficiency, and overall sustainability. The research contributes theoretically by integrating qualitative and quantitative insights into a cohesive framework and practically by providing actionable guidance for industry professionals.
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 | 0,048 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,017 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,006 |
| 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 ».