論文の概要: Intelligent Approaches to Predictive Analytics in Occupational Health and Safety in India
- arxiv url: http://arxiv.org/abs/2412.16038v3
- Date: Wed, 01 Jan 2025 00:35:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-03 11:36:33.744259
- Title: Intelligent Approaches to Predictive Analytics in Occupational Health and Safety in India
- Title（参考訳）: インドにおける労働安全の予測分析へのインテリジェントアプローチ
- Authors: Ritwik Raj Saxena,
- Abstract要約: 本稿では,インドにおける職業保健・安全実践の回復における予測分析の可能性について述べる。
この論文は、断片化されたデータエコシステムやリソース制約、職場のハザードの多様性といった課題に対処する可能性を示す方法を探究するものである。
インドの労働力の安全を守るため、知的慣行へのシフトを促している。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Concerns associated with occupational health and safety (OHS) remain critical and often under-addressed aspects of workforce management. This is especially true for high-risk industries such as manufacturing, construction, and mining. Such industries dominate the economy of India which is a developing country with a vast informal sector. Regulatory frameworks have been strengthened over the decades, particularly with regards to bringing the unorganized sector within the purview of law. Traditional approaches to OHS have largely been reactive and rely on post-incident analysis (which is curative) rather than preventive intervention. This paper portrays the immense potential of predictive analytics in rejuvenating OHS practices in India. Intelligent predictive analytics is driven by approaches like machine learning and statistical modeling. Its data-driven nature serves to overcome the limitations of conventional OHS methods. Predictive analytics approaches to OHS in India draw on global case studies and generative applications of predictive analytics in OHS which are customized to Indian industrial contexts. This paper attempts to explore in what ways it exhibits the potential to address challenges such as fragmented data ecosystems, resource constraints, and the variability of workplace hazards. The paper presents actionable policy recommendations to create conditions conducive to the widespread implementation of predictive analytics, which must be advocated as a cornerstone of OHS strategy. In doing so, the paper aims to spark a collaborational dialogue among policymakers, industry leaders, and technologists. It urges a shift towards intelligent practices to safeguard the well-being of India's workforce.
- Abstract（参考訳）: 職業衛生安全(OHS)に関する懸念は依然として重要であり、労働管理の面では過小評価されることが多い。
これは特に製造業、建設業、鉱業などのリスクの高い産業に当てはまる。
このような産業は、広大な非公式分野を持つ発展途上国であるインドの経済を支配している。
規制の枠組みは数十年にわたって強化され、特に非組織的なセクターを法の審査に含めることに関して強化されてきた。
OHSに対する従来のアプローチは、主に反応性があり、予防的介入ではなく、事後分析(治療的)に依存している。
本稿では,インドにおけるOHS実践の回復における予測分析の可能性について述べる。
インテリジェントな予測分析は、機械学習や統計モデリングといったアプローチによって駆動される。
データ駆動性は従来のOHS手法の限界を克服するのに役立つ。
インドにおけるOHSの予測分析アプローチは、インドの産業状況に合わせてカスタマイズされたOHSにおける予測分析のグローバルケーススタディと生成的応用に基づいている。
本稿では、断片化されたデータエコシステムや資源制約、職場のハザードの多様性といった課題に対処する可能性を示す方法を探究する。
本稿では,OHS戦略の基盤として提唱される予測分析の広範な実施にともなう条件を作成するための行動可能な政策勧告を提案する。
そこで本論文は、政策立案者、業界リーダー、技術者の協力的な対話を促すことを目的としている。
インドの労働力の安全を守るため、知的慣行へのシフトを促している。
関連論文リスト
- EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - Assessing the State of AI Policy [0.5156484100374057]
この研究は、国際、米国、市、および連邦レベルでのAI法と指令の概要を提供する。
また、関連するビジネス標準や技術社会のイニシアチブも見直している。
論文 参考訳（メタデータ） (2024-07-31T16:09:25Z) - Mapping the individual, social, and biospheric impacts of Foundation Models [0.39843531413098965]
本稿では,基礎モデルと生成AIの社会的,政治的,環境的側面を説明するための重要な枠組みを提供する。
リスクと害の14のカテゴリを特定し、それらの個人的、社会的、および生物圏的影響に応じてそれらをマッピングする。
論文 参考訳（メタデータ） (2024-07-24T10:05:40Z) - Privacy Risks of General-Purpose AI Systems: A Foundation for Investigating Practitioner Perspectives [47.17703009473386]
強力なAIモデルによって、幅広いタスクでパフォーマンスが飛躍的に向上した。
プライバシの懸念は、さまざまなプライバシのリスクとAIモデルの脆弱性をカバーした、豊富な文献につながっている。
我々はこれらの調査論文の体系的なレビューを行い、GPAISにおけるプライバシーリスクの簡潔かつ有用な概観を提供する。
論文 参考訳（メタデータ） (2024-07-02T07:49:48Z) - Prioritizing Safeguarding Over Autonomy: Risks of LLM Agents for Science [65.77763092833348]
大規模言語モデル(LLM)を利用したインテリジェントエージェントは、自律的な実験を行い、様々な分野にわたる科学的発見を促進する上で、大きな可能性を証明している。
彼らの能力は有望だが、これらのエージェントは安全性を慎重に考慮する必要がある新たな脆弱性も導入している。
本稿では,科学領域におけるLSMをベースとしたエージェントの脆弱性の徹底的な調査を行い,その誤用に伴う潜在的なリスクに光を当て,安全性対策の必要性を強調した。
論文 参考訳（メタデータ） (2024-02-06T18:54:07Z) - Regulation and NLP (RegNLP): Taming Large Language Models [51.41095330188972]
我々は,NLP研究が規制研究や隣接分野に近接することのメリットを論じる。
我々は、規制とNLPに関する新しい多分野研究空間の開発を提唱する。
論文 参考訳（メタデータ） (2023-10-09T09:22:40Z) - Risk assessment at AGI companies: A review of popular risk assessment
techniques from other safety-critical industries [0.0]
OpenAI、Google DeepMind、Anthhropicといった企業は、人工知能(AGI)の構築を目標としている。
AGIが壊滅的なリスクをもたらすとの懸念が高まっている。
本稿では,他の安全クリティカル産業のリスクアセスメント技術についてレビューし,AGI企業が活用する方法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:36:51Z) - 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) - 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) - Provably Safe PAC-MDP Exploration Using Analogies [87.41775218021044]
安全クリティカルドメインに強化学習を適用する上での課題は、探索と安全性のバランスをとる方法を理解することだ。
我々は,未知のダイナミックスを持つMDPにおいて,確実に安全な探索を行うアルゴリズムであるAnalogous Safe-State Exploration (ASE)を提案する。
提案手法は, PAC-MDP 感覚の準最適政策を安全に学習するために, 状態-作用対間の類似性を利用する。
論文 参考訳（メタデータ） (2020-07-07T15:50:50Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
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。