0 avis
Extracting recurrent scenarios from narrative texts using a Bayesian network : application to serious occupational accidents with movement disturbance.
(Extraction de scénarios récurrents à partir de récits en utilisant les réseaux bayésiens : application à un ensemble d’accidents avec perturbation du mouvement particulièrement graves).
Article
Publié dans : Accident Analysis and Prevention, Royaume-Uni, vol. 70, septembre 2014, pp. 155-166, ill., bibliogr. (En anglais)
Dans le champ de la prévention des accidents avec perturbation du mouvement au travail (APMT), une approche probabiliste a été développée pour extraire des scénarios d’APMT graves à partir de récits. Tout d’abord, l’information pertinente contenue dans 143 récits a été codée par des combinaisons logiques de facteurs génériques d’accident. Puis un modèle basé sur les réseaux bayésiens a été développé pour les APMT en exploitant à la fois les récits et les connaissances d’experts. Ensuite, une étape de classification a permis de regrouper les APMT similaires du point de vue des facteurs génériques et de leur structure. Enfin, l’explication la plus probable a été calculée pour chaque classe comme étant le scénario récurrent associé. Huit scénarios ont permis de décrire les 143 APMT qui se sont produits dans les secteurs du bâtiment et des travaux publics et de la métallurgie. Leur caractère récurrent a été discuté. Les combinaisons probables de facteurs génériques fournissent une représentation des APMT particulièrement graves tels qu’ils sont décrits dans les récits. Ces scénarios sont utiles pour sensibiliser les entreprises à la diversité des circonstances dans lesquelles ces accidents se produisent, pour avancer dans leur prévention et pour élaborer un cadre d’analyse qui leur soit spécifique.
Suggestions
Du même auteur
