Détermination des facteurs d'efficacité d'un comité de santé sécurité
Bibliographic record
Abstract
Notre recherche consiste en une étude de cas en profondeur tentant d'expliquer la variation de l'efficacité des comités de santé et de sécurité (CSS) en fonction de leurs caractéristiques. Notre étude a pour objectifs d'identifier les principales tendances expliquant l'efficacité de certains d'entre eux Les CSS étudiés sont implantés dans une entreprise québécoise oeuvrant dans le secteur de la première transformation des métaux. \n \nNotre modèle théorique inclut les caractéristiques structurelles, fonctionnelles et relationnelles du CSS. Également il comprend la valeur des membres du CSS et les activités de santé et sécurité du travail (SST) mises en ?uvre par les centres. Notre devis de recherche correspond à une étude de cas multiples à un niveau d'analyse. \n \nNotre échantillon est composé des huit CSS présents dans une seule entreprise. Les données relatives aux variables indépendantes ont été recueillies à l'aide d'une entrevue individuelle directe administrée aux coprésidents, patronaux ou syndicaux, aux surintendants, aux superviseurs et aux conseillers en prévention faisant partie d'un CSS. La collecte de données s'est effectuée entre les mois d'avril et juin 2003. En tout, 43 personnes sur 92 ont répondu au questionnaire. Notre taux de réponse est de l'ordre de 44 %. \n \nNous avons également utilisé une grille d'observation pour évaluer le fonctionnement de chacun des CSS. Nous avons consulté plusieurs documents : comptes rendus de chacun des CSS, données sur la main-d'?uvre et statistiques. \n \nLes résultats de l'étude indiquent que 10 des 21 variables sont associées plus fortement au taux d'accident Neuf variables ont un lien élevé avec le taux de gravité des lésions professionnelles. De plus, le pourcentage de réalisation des objectifs semble être liée fortement à sept variables du modèle théorique. Finalement seulement quatre variables sont associées, à un degré élevé, au nombre de mesures correctives réalisées. \n
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 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".