The Role of Artificial Intelligence in Enhancing the Occupational Safety and Health Management Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aim: This study aimed to investigate the role of Artificial Intelligence (AI) in enhancing the occupational health and safety of workers within Oman context. Study design: A quantitative approach was used to collect and analyse data on participants’ perceptions, on benefits, challenges, and preferences among professionals engaged in safety. Methodology: A self-administered questionnaire was distributed to 125 health and safety professionals across selected workplace in Oman. The study sample included engineers, healthcare professionals, and health and safety practitioners who use artificial intelligence within their daily tasks. The study sample was chosen purposively. SPSS software version 26.0 was used to analyze quantitative data. Results: The results of this study indicate a wide support for the deployment of Artificial Intelligence within safety management domain, with some concerns regarding privacy, data reliability, and job security. There were no statistically significant differences in perception among participants roles, indicating consistent views on AI adoption in the Occupational Health and Safety (OHS) domain. However, the results might have been influenced by the predominance of younger more technologically savvy participants. Conclusion: Artificial intelligence is considered a valuable addition to Occupational Health and Safety (OHS) systems in Oman, and by extension, in the GCC and the world. To guarantee an effective integration of AI into OHS in Oman, it is essential to establish national training and readiness initiatives to enhance workforce skills and digital proficiency across various sectors. This study proposes a clear roadmap for the deployment of AI within OHS in Oman by highlighting the relevant concerns. It also provides practical guidance for policymakers and practitioners in support of safer and more resilient workplaces while incorporating advanced technologies into OHS practices.
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.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle