Transfert de compétences en formation sur la gestion de la sécurité des machines et les moyens de protection
Bibliographic record
Abstract
À la suite du nombre croissant de demandes reçues en formation sur le thème de l’analyse des risques associés aux machines industrielles et sur les moyens de protection, l’IRSST a effectué un transfert de compétences afin que des relayeurs puissent désormais répondre à ces demandes._x000D_ L’objectif du présent projet était donc de transférer les compétences en formation acquises et développées par les chercheurs de l’IRSST à des intervenants en formation en SST afin qu’ils puissent former les personnels d’industries à l’utilisation de méthodes et d’outils pour améliorer la sécurité des travailleurs autour des machines. Ces compétences sont composées principalement de la démarche (théorie et méthode) d’analyse de risque ainsi que des moyens techniques utilisables pour réduire les risques jusqu’à un niveau tolérable._x000D_ La justification de la démarche d’analyse du risque vient du fait que pour réduire les situations dangereuses qui conduisent aux accidents associés aux machines industrielles, ces machines doivent être conçues ou modifiées en intégrant des moyens de réduction du risque. Sans faire une analyse de risque précise, il est difficile de choisir des moyens de réduction du risque optimisés._x000D_ À partir des outils pédagogiques développés par l’IRSST dans le passé, 22 personnes, partenaires du projet, en provenance d’associations sectorielles paritaires de sécurité, d’organismes de formation en SST et d’une faculté de génie, ont planifié et entrepris des interventions en milieu de travail avec le support de chercheurs dans une optique d’apprentissage par projet en formation d’adultes._x000D_ Ces interventions ont rejoint plus de 560 personnes de l’industrie et de 300 étudiants en génie mécanique au cours de 19 sessions de sensibilisation; 6 expertises sur des machines ont été effectuées par 4 des partenaires du projet; 8 formations en industrie auprès de plus de 35 personnes ont été effectuées par 4 partenaires du projet. Le contenu de sept cours de génie mécanique de l’Université de Sherbrooke a été modifié pour intégrer les notions d’analyse de risque et de sécurité des machines._x000D_ Toutes les interventions de sensibilisation, d’expertise et de formation ont fait l’objet d’une évaluation en continu qui a servi à améliorer les interventions à court et à long termes ainsi qu’à tirer des conclusions quant aux durées et à la forme des quatre types d’interventions que les partenaires pourront réaliser à l’avenir._x000D_ À la suite de ce projet, les relayeurs ont commencé à répondre aux demandes des industries du Québec et d’autres interventions ont commencé en dehors du présent projet ou sont en perspective.
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| 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".