Accountability: A Canadian municipal examination on the impact of vehicle and equipment training programs on preventable collisions with municipal fleet assets
Notice bibliographique
Résumé
Annually, close to 1,000 Canadian workers die due to work-related injuries, exposures and disease. A lack of training and skills can contribute to this loss of life for many. Employers of all kinds, including municipalities, have a responsibility to protect workers and reduce risk to the organization through training activities. Known hazards, like the operation of vehicles and equipment require training before a worker can be deemed competent. Inevitably, preventable and non-preventable collisions will occur involving fleet vehicles and equipment. Documenting and analyzing preventable collisions as part of a collision investigation program, can help organizations understand why preventable collisions are occurring and how they may prevent further accidents. Survey respondents for this research study revealed that as a municipal fleet grows in size (more than 1000 fleet assets) and as municipal populations grow, municipalities are more likely to use a centralized and consistent training program. Further, municipalities with centralized and consistent training programs are more likely than municipalities with other training types to have a collision investigation program. Lastly, municipalities who provided preventable collision data through the survey, six of seven use a centralized training approach. This research reveals that municipalities are not measuring the impact and effectiveness of vehicle and equipment training programs. Additionally, municipalities are not using collision related data to understand why preventable collisions are occurring, influence training programs and reduce risk in meaningful ways. The costs of collisions is not being documented across the silos that exist in the municipal organizational structure. Lastly, from a policy perspective, requirements for fleet operators to document and analyze collision data should be a baseline expectation to protect their drivers and others sharing the road. Ultimately more research and data is required to support municipalities across Canada and the vehicle and equipment training programs they offer.
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 | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,013 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».