論文の概要: Cross-sector generalization of accident-process role classification in occupational accident narratives
- arxiv url: http://arxiv.org/abs/2609.22081v1
- Date: Fri, 18 Sep 2026 17:59:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:17.245179
- Title: Cross-sector generalization of accident-process role classification in occupational accident narratives
- Title（参考訳）: 職業的事故物語における事故プロセスの役割分類のクロスセクタ一般化
- Abstract要約: 職業的事故物語には、仕事の状況、不都合な状況、事故の出来事、そしてそれらの結果に関する貴重な情報が含まれている。
これらの物語は大規模な事故分析を促進し、職業的リスク予防を支援する。
しかし、事故を説明するために使われる用語や書体は、部門や組織によって大きく異なる。
本研究では,フランスの産業事故物語における事故プロセスの役割分類のクロスセクタ一般化を評価する。
- 参考スコア（独自算出の注目度）: 1.5924410290166868
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Occupational accident narratives contain valuable information about work situations, unfavourable conditions, accident events, and their consequences. Automatically structuring these narratives can facilitate large-scale accident analysis and support occupational risk prevention. However, the terminology and writing styles used to describe accidents vary considerably across sectors and organisations, raising questions about the ability of automated coding systems to generalize beyond their training domain. In this paper, we evaluate the cross-sector generalization of accident-process role classification in French occupational accident narratives. We construct an expert-annotated corpus in which factual units are classified into four roles: work situation (A0), explicitly reported unfavourable condition (A1), accident event or deviation (B), and reported consequence (C). The role classifiers are developed and selected exclusively on 42,244 factual units extracted from 6,040 construction-sector narratives and are then evaluated on unseen corpora from the metallurgy and chemistry--plastics sectors, as well as on an independently collected company corpus, without retraining or target-domain tuning of the role classifier. We compare frozen pretrained representations with task-specific fine-tuning and supervised representation-learning strategies. The results show that task-specific adaptation consistently improves cross-domain transfer over frozen representations. Across repeated training runs, the three leading task-adapted strategies achieved average balanced accuracies between 85.6% and 85.8% across the three target corpora. These findings support the development of transferable assisted-coding systems capable of consistently structuring heterogeneous occupational accident narratives for expert review and cross-sector prevention analysis.
- Abstract（参考訳）: 職業的事故物語には、仕事の状況、不都合な状況、事故の出来事、そしてそれらの結果に関する貴重な情報が含まれている。
これらの物語を自動構築することで、大規模な事故分析が容易になり、職業的リスク予防を支援することができる。
しかしながら、事故を説明するために使われる用語や書体は、セクターや組織によって大きく異なり、自動化されたコーディングシステムがトレーニングドメインを超えて一般化できるかどうかという疑問が提起されている。
本稿では,フランスの事故物語における事故プロセスの役割分類のクロスセクタ一般化を評価する。
作業状況 (A0), 明らかに報告された不必要な状況 (A1) , 事故イベントや逸脱 (B) , 報告された結果 (C) の4つの役割に, 事実単位を分類した専門家注釈コーパスを構築した。
ロール分類器は、6,040個の建設セクター物語から抽出された42,244個の実物単位にのみ開発・選択され、その後、冶金・化学・プラスチック部門から未確認のコーパス、および独立に収集された企業コーパス上で、ロール分類器のリトレーニングやターゲットドメインチューニングを行わずに評価される。
凍結した事前学習表現とタスク固有の微調整および教師付き表現学習戦略を比較した。
その結果、タスク固有の適応は、凍結表現よりもクロスドメイン転送を一貫して改善することが示された。
3つの主要なタスク適応型戦略は3つの目標コーパスで平均85.6%から85.8%のバランスの取れたアキュラティを達成した。
これらの知見は、専門家レビューとクロスセクター予防分析のための異種作業事故物語を一貫して構築できるトランスファー可能なアアシストコーディングシステムの開発を支援する。
関連論文リスト
- Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model [67.84198127797005]
逆決定モデリングは、観察された行動から決定過程の潜伏特性を推定する。
本稿では、各個人のタスク実行可能性を行動要因と努力要因に分解する因子化逆決定モデル(FIDM)を提案する。
論文 参考訳（メタデータ） (2026-08-10T07:46:13Z) - Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。
タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。
DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
論文 参考訳（メタデータ） (2026-05-12T06:57:41Z) - Trace-Level Analysis of Information Contamination in Multi-Agent Systems [8.829951903444352]
不均一なアーティファクトに対する推論は、構造化エージェント内でますます発生する。
本研究では,不確実性を制御変数として扱うことにより,この現象を研究する。
我々は3つの表現型を特徴づける:サイレントセマンティックな腐敗、リカバリを伴う行動パターン、構造破壊と制御フローシグネチャの組み合わせ。
論文 参考訳（メタデータ） (2026-04-30T08:39:42Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - The A-R Behavioral Space: Execution-Level Profiling of Tool-Using Language Model Agents in Organizational Deployment [0.3823356975862005]
大規模言語モデル(LLM)は、システムレベルの操作を実行するツール拡張エージェントとして、ますます多くデプロイされている。
本研究では,行動速度 (A) と拒絶信号 (R) で定義される2次元A-R空間に基づく実行層型行動計測手法を提案する。
モデルは4つの規範的体制と3つの自律的構成で評価される。
論文 参考訳（メタデータ） (2026-04-13T22:50:21Z) - CRASH: Cognitive Reasoning Agent for Safety Hazards in Autonomous Driving [0.3823356975862005]
本研究は、NHTSAデータベースで報告された現実世界のAVインシデントを調べる。
我々は、標準化されたフィールドと非構造化の物語記述の両方を活用することで、クラッシュレポートの推論を自動化するエージェントであるCRASHを紹介する。
以上の結果から,CRASHは事故の64%が認識障害や計画失敗によるものと考えられた。
さらに5つのドメインエキスパートでCRASHを検証することで,AVシステム障害の原因となる精度を86%向上する。
論文 参考訳（メタデータ） (2026-03-16T14:39:33Z) - The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution [63.61358761489141]
LLM(Large Language Model)ベースのエージェントは、カスタマーサービス、Webナビゲーション、ソフトウェアエンジニアリングといった現実世界のアプリケーションで広く使われている。
本稿では,タスク結果に関係なく,エージェントの動作を駆動する内部要因を識別する,テキスト汎用エージェント属性のための新しいフレームワークを提案する。
標準ツールの使用やメモリ誘起バイアスのような微妙な信頼性リスクなど、さまざまなエージェントシナリオでフレームワークを検証する。
論文 参考訳（メタデータ） (2026-01-21T15:22:21Z) - Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。
既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。
我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
論文 参考訳（メタデータ） (2025-10-10T18:42:32Z) - Predicting person-level injury severity using crash narratives: A balanced approach with roadway classification and natural language process techniques [5.145333626258798]
本研究は, 現場の警察官が, 事故の重大度を予測するために, 構造的クラッシュデータと組み合わせた場合の, 非構造的クラッシュ物語の付加価値について検討した。
意味を抽出するために広く使われている2つの自然言語処理技術であるTF-IDF(Term Frequency-Inverse Document Frequency)とWord2Vec(Word2Vec)が用いられた。
102の機械学習モデルは、構造化特徴と物語に基づく特徴を組み合わせることによって開発された。
論文 参考訳（メタデータ） (2025-09-09T15:22:14Z) - Enhancing Traffic Accident Classifications: Application of NLP Methods for City Safety [41.76653295869846]
ミュンヘンの交通事故を分析し、異なるタイプの事故を区別するパターンと特徴を特定する。
データセットは、位置、時間、気象条件などの構造化された表形式の特徴と、各事故の状況を詳述した構造化されていない自由テキスト記述の両方で構成されている。
ラベルの信頼性を評価するために,トピックモデリングや少数ショット学習などのNLP手法を適用し,ラベル付け過程の矛盾を明らかにする。
論文 参考訳（メタデータ） (2025-06-11T14:50:49Z) - Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。
さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。
実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文 参考訳（メタデータ） (2024-06-16T03:10:16Z)
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。