Avancée dans la prévention des « chutes de plain-pied » au travail
Bibliographic record
Abstract
La chute de plain-pied reste un accident du travail fréquent et grave. La terminologie qualifiant ces accidents est variée, relativement imprécise et n’intègre pas la diversité des accidents rencontrés sous les différentes appellations. L’intérêt de considérer une catégorie d’accidents du travail avec perturbation du mouvement (APM) est tout d’abord mis en évidence à partir de divers extraits de récits d’accidents. Un modèle est ensuite proposé pour les APM montrant que, dans ces cas particuliers d’accident la blessure est souvent la conséquence de l’association fortuite entre l’énergie du mouvement perturbé de la victime et un élément matériel rendu blessant de par ses propriétés et appelé a posteriori un « danger circonstanciel ». Enfin, le raisonnement qui sous-tend la classification de ces accidents est explicité. Il apparaît notamment que la prévention ciblant les causes immédiates de la blessure est difficile voire impossible dans les cas d’APM en raison principalement des exigences inhérentes au travail et de contraintes que ferait peser sur l’entreprise l’application de cette prévention. La prévention à la source du risque tend alors à devenir la seule possible. Ainsi, de banal, l’APM devient un révélateur de dysfonctionnements au sein du système de production.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".