L'explication naïve et la perception des risques comme des voies pour améliorer les pratiques de REX: des études dans l'industrie chimique et l'industrie nucléaire
Bibliographic record
Abstract
L’analyse de l’accident soulève de nombreux enjeux dont le poids préfigure également des biais possibles dans l’explication causale et laisse apparaître que l’explication de l’accident peut difficilement être neutre. En l’occurrence, les difficultés rencontrées dans la conduite du REX relèvent en grande partie de conflits qui surviennent lors des analyses d’accidents. Ce document présente quatre études de terrain qui visaient à comprendre l’origine des conflits entre les acteurs du REX lors des analyses d’accidents et à mieux appréhender le rôle de la perception des risques et du climat de sécurité dans la motivation des acteurs à s’impliquer davantage dans les pratiques de REX. Les études sont conduites dans l’industrie chimique et l’industrie nucléaire et portent sur plus de 1000 agents de tous niveaux hiérarchiques (cadres, agents de maîtrise, techniciens, ouvriers) et tous domaines d’activité (prévention, production, maintenance, qualité). La méthodologie repose sur des entretiens, des observations de comité REX, une expérimentation et l’administration de deux questionnaires. Il en ressort que les démarches de REX sont davantage subies qu’elles ne sont portées par les responsables du traitement des accidents en raison des coûts qu’elles engendrent en temps et en énergie, mais aussi à cause du manque d’opérationnalité des règles de traitement des accidents. Il s’avère ensuite que l’absence de dialogue autour des causes des accidents entretient des doutes sur la crédibilité du REX auprès des opérateurs. Mais avant tout, il est clairement établi que la peur d’endosser la responsabilité de l’accident détermine fortement l’explication de l’accident qui devient notamment très défensive. Par exemple, les cadres et les ouvriers se renvoient systématiquement la causalité des accidents: plus ils se sentent menacés par l’analyse d’accident, plus ils en attribuent la survenue à des facteurs internes à l’autre groupe hiérarchique. Les études révèlent également comment les croyances sur les risques conduisent les individus à être plus attentifs au REX sur les accidents directement liés au cœur de métier de leur industrie et moins attentifs au REX sur les accidents de la vie courante, pourtant plus nombreux et plus graves. Enfin, nous montrons en quoi un bon climat de sécurité peut favoriser l’implication des acteurs dans les pratiques de REX.
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 | 0.008 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".