相关实验视频
Updated: Sep 13, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.8K
雇主在工作事故中的责任:从哥伦比亚工作场所健康和安全的角度来看,机器学习的应用
Rodolfo Mosquera Navarro1, Liliana Parra-Osorio2, Orlando E Contreras-Pacheco1
1Escuela de Estudios Industriales y Empresariales, Universidad Industrial de Santander, Bucaramanga, Colombia.
Work (Reading, Mass.)
|July 28, 2025
概括
一个新的机器学习模型,表面张力神经网络决策树 (STNN-DT),准确地预测雇主在工伤诉讼中的责任. 该工具可以识别不遵守安全法规的情况,特别是在高风险行业.
科学领域:
- 职业健康和安全问题 职业健康和安全问题
- 法律信息学 法律信息学
- 机器学习 机器学习
背景情况:
- 工作场所事故仍然是一个重大问题,2019年哥伦比亚报告了611,275起工作事故.
- 由于这些事故而产生的法律纠纷及其结果未得到充分研究.
- 最高法院的劳工上诉法庭处理这些复杂的雇主责任案件.
研究的目的:
- 开发和评估一种机器学习模型,用于对哥伦比亚工伤诉讼中的判决有利性进行分类和预测.
- 该模型,表面张力神经网络决策树 (STNN-DT),旨在评估雇主责任.
- 这项研究解决了对工作场所事故的法律后果理解的差距.
主要方法:
- 一项采用76起哥伦比亚法院案件从2019年至2020年进行的横截面研究.
- 开发和培训表面张力神经网络决策树 (STNN-DT) 机器学习模型.
- 与贝叶斯网络分类器进行性能评估的比较.
主要成果:
- 表面张力神经网络决策树 (STNN-DT) 在识别与雇主责任相关的判断方面取得了85.43%的准确性.
- 该模型在分类法律结果方面表现出强大的预测能力.
- 分析显示,雇主严重不遵守先前存在的安全法规.
结论:
- 高百分比 (97%) 的非物质损害裁决表明雇主不遵守现行标准之前的安全法规.
- 违规行为集中在高风险行业 (IV-V),包括采矿,建筑和电网安装.
- 这些发现突出了职业安全和雇主问责制的系统性问题.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.2K
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.8K
