論文の概要: Applying Predictive Analytics to Occupational Health and Safety in India

• arxiv url: http://arxiv.org/abs/2412.16038v1
• Date: Fri, 20 Dec 2024 16:39:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:24:35.525635
• Title: Applying Predictive Analytics to Occupational Health and Safety in India
• Title（参考訳）: インドにおける労働安全への予測分析の適用
• Authors: Ritwik Raj Saxena,
• Abstract要約: 本稿では,職業の健康と安全における予測分析の鍵となる要素について考察する。 OHSにおける予測分析の統合は、意思決定の強化、運用効率の向上、コスト削減、安全基準の遵守改善など、大きなメリットをもたらす。 我々は、インドにおけるOHSにデータ指向で適応的なアプローチを構築するための予測分析の可能性についての議論を締めくくった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Predictive analytics is revolutionizing occupational health and safety (OHS). It offers evidence-based insights. These insights enable proactive risk management and informed, data-driven decision-making in organizational settings. This paper explores the key components of predictive analytics in OHS, beginning with data collection, management, and preparation, and moving through to advanced predictive modelling techniques. We emphasize the importance of data integrity through processes such as missing value imputation, anomaly detection, and feature engineering to ensure accurate model predictions. Risk prioritization identifies and ranks hazards across various factors, including employee behaviours, organizational policies, environmental conditions, and operational practices. We posit that insights derived from predictive models must be effectively interpreted and implemented. These insights guide organizations to focus on high-impact areas for accident prevention and resource optimization. The integration of predictive analytics in OHS brings notable benefits, including enhanced decision-making, greater operational efficiency, cost savings, and improved compliance with safety standards. We examine applications of predictive analytics in OHS in Indian settings. India has the largest workforce in the world, and the predominance of it is in the informal sector - a sector largely unprotected by the already inadequate OHS laws. Ethical considerations, data privacy concerns, and the risk of overdependence on predictive models are discussed. We conclude with a discussion on the potential for predictive analytics to create a data-oriented, adaptive approach to OHS in India. We posit that, using predictive analytics, India can develop high safety standards while traversing the complexities of its workforce setting.
• Abstract（参考訳）: 予測分析は、仕事の健康と安全(OHS)に革命をもたらしている。 証拠に基づく洞察を提供する。 これらの洞察は、組織環境における積極的なリスク管理と、データ駆動による意思決定を可能にする。 本稿では、データ収集、管理、準備から始まり、先進的な予測モデリング技術に移行し、OHSにおける予測分析の鍵となる要素について考察する。 我々は、正確なモデル予測を保証するために、値計算の欠如、異常検出、特徴工学などのプロセスによるデータの整合性の重要性を強調した。 リスク優先順位付けは、従業員の行動、組織政策、環境条件、運用プラクティスなど、さまざまな要因にまたがるハザードを特定し、ランク付けする。 予測モデルから導出した洞察を効果的に解釈し実装する必要があると仮定する。 これらの洞察は、事故の防止と資源最適化のために、組織が高度にインパクトのある領域に焦点を合わせることを促す。 OHSにおける予測分析の統合は、意思決定の強化、運用効率の向上、コスト削減、安全基準の遵守改善など、大きなメリットをもたらす。 インドにおけるOHSにおける予測分析の応用について検討した。 インドは世界最大の労働力を持ち、その優位性は非公式な分野にあり、すでに不十分なOHS法で保護されていない分野である。 倫理的考察、データプライバシの懸念、予測モデルへの過度な依存のリスクについて論じる。 我々は、インドにおけるOHSにデータ指向で適応的なアプローチを構築するための予測分析の可能性についての議論を締めくくった。 予測分析を用いて、インドは労働環境の複雑さを回避しつつ、高い安全基準を策定できると仮定する。

関連論文リスト

• New Emerged Security and Privacy of Pre-trained Model: a Survey and Outlook [54.24701201956833]
  セキュリティとプライバシーの問題は、事前訓練されたモデルに対するユーザーの信頼を損なう。 現在の文献は、事前訓練されたモデルに対する攻撃と防御の明確な分類を欠いている。 この分類法は、攻撃と防御をNo-Change、Input-Change、Model-Changeアプローチに分類する。
  論文  参考訳（メタデータ） (2024-11-12T10:15:33Z)
• Enhancing Cyber Security through Predictive Analytics: Real-Time Threat Detection and Response [0.0]
  調査では、ネットワークトラフィックとセキュリティイベントの2000インスタンスを含む、Kaggleのデータセットを使用している。 その結果,予測分析は脅威の警戒と応答時間を高めることが示唆された。 本稿では,予防的サイバーセキュリティ戦略開発における重要な要素として,予測分析を提唱する。
  論文  参考訳（メタデータ） (2024-07-15T16:11:34Z)
• Predicting trucking accidents with truck drivers 'safety climate perception across companies: A transfer learning approach [1.0485739694839669]
  人工知能(AI)を利用した安全分析を使用して、トラック業界における事故を予測することへの関心が高まっている。 我々は、企業がAIモデルを開発するために、他の企業のデータを活用するのを支援するために、事前訓練済みのファイントゥーン変換学習アプローチを提案する。 事故予測に適した分類タスクのためのディープニューラルネットワークアルゴリズムであるSafeNetも開発した。
  論文  参考訳（メタデータ） (2024-02-19T08:27:53Z)
• Insights from the Field: A Comprehensive Analysis of Industrial Accidents in Plants and Strategies for Enhanced Workplace Safety [0.0]
  この研究は、カグル[1]に記録された425件の産業事故に発展し、これらは全て南アメリカの12の工場で発生した。 事故発生に関する貴重な知見を明らかにし、再発傾向を特定し、根本原因を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2024-02-02T22:30:18Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• Industry Risk Assessment via Hierarchical Financial Data Using Stock Market Sentiment Indicators [0.9463895540925061]
  本稿では,実時間株式市場データと生成小言語モデル(SLM)を活用した産業動向の分析手法を提案する。 重要な課題の1つは、生データの固有のノイズであり、統計分析の精度を損なう可能性がある。 本稿では,業界トレンド分析における二段階的アプローチとして,明示的および暗黙的分析を提案する。
  論文  参考訳（メタデータ） (2023-03-05T16:17:56Z)
• Meta-Learning Priors for Safe Bayesian Optimization [72.8349503901712]
  メタ学習アルゴリズムであるF-PACOHを構築し,データ不足の設定において確実な定量化を実現する。 コアコントリビューションとして、安全に適合した事前をデータ駆動で選択するための新しいフレームワークを開発する。 ベンチマーク関数と高精度動作系において,我々のメタ学習先行が安全なBOアプローチの収束を加速することを示す。
  論文  参考訳（メタデータ） (2022-10-03T08:38:38Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Modeling and mitigation of occupational safety risks in dynamic industrial environments [0.0]
  本稿では,データ駆動方式で安全リスクを連続的かつ定量的に評価する手法を提案する。 オンライン形式で安全データからこのモデルを校正するために、完全なベイズ的アプローチが開発されている。 提案したモデルは自動意思決定に利用することができる。
  論文  参考訳（メタデータ） (2022-05-02T13:04:25Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。