Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo

Autores/as

DOI:

https://doi.org/10.62452/qrqpc986

Palabras clave:

Accidentes, ciencia de datos, modelos predictivos, minería de datos, Seguridad

Resumen

La seguridad en el trabajo es preocupación de toda organización que aspire la excelencia, no solo porque garantiza un espacio de trabajo libre de accidentes, sino también, porque aumenta la confianza, el compromiso y la motivación d los empleados. El uso de herramientas avanzadas y técnicas analíticas para explorar conjuntos de datos grandes y pequeños puede ayudar a identificar estos problemas con suficiente antelación para tomar decisiones oportunas. A pesar de la preocupación por los accidentes, hasta la fecha se han realizado pocos análisis para identificar tendencias o patrones específicos, por lo que este estudio se centra en una base de datos que contiene información sobre los accidentes ocurridos entre 2015 y 2023 en una empresa del Estado. El objetivo principal es analizar las causas de los accidentes. Se utilizó algoritmos de aprendizaje automático y técnicas de ciencia de datos para identificar patrones y tendencias en accidentes laborales. Luego, los datos se clasifican en detalle para comprender mejor el comportamiento cambiante basándose en la regresión lineal. Después de analizar las previsiones se logró determinar que estas fueron muy consistentes con los resultados reales, lo que confirma la precisión del modelo utilizado.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Leyda Zavala-Arteaga, Universidad Bolivariana del Ecuador. Ecuador.

     

     

Referencias

Ampuero, E., Pozo, M., & Delgado, K. (2018). Administración de riesgo laboral en el Ecuador. Digital Publisher, 3(5), 1-10. https://www.593dp.com/index.php/593_Digital_Publisher/article/view/66

Arango, J., Correa, Y., & Luna, J. (2020). La salud ocupacional y su respuesta histórica a las necesidades de salud de los trabajadores. Revista Cubana de Salud y Trabajo, 21(2), 14-29. https://revsaludtrabajo.sld.cu/index.php/revsyt/article/view/140

Candonga, J., & Samaniego, P. (2021). Percepción de riesgos laborales en el ámbito ocupacional universitario. Revista Publicando, 8(28), 47-58. https://doi.org/10.51528/rp.vol8.id2147

García, J. (2020). Modelo predictivo para la identificación de actividades de la vida diaria (ADL) en ambientes indoor usando técnicas de clasificación basadas en machine learning. (Tesis de maestría). Universidad de la Costa.

Soto, L., & Melara, M. (2018). Riesgos laborales del personal de enfermería en el servicio de infectología del Hospital Nacional de niños Benjamín Bloom de mayo -septiembre de 2017. (Tesis de maestría). Universidad de El Salvador.

Toro, J., Vega, V., & Romero, A. (2021). Los accidentes de trabajo y enfermedades profesionales y su aplicación en la justicia ordinaria. Universidad y Sociedad, 13(2), 357-362. http://scielo.sld.cu/scielo.php?script=sci_abstract&pid=S2218-36202021000200357

Descargas

Publicado

2024-07-26

Cómo citar

Zamora-Cevallos, E. ., Zavala-Arteaga, L. ., Oviedo-Bayas, B., & Zúñiga-Delgado, M. S. . (2024). Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo. Revista Metropolitana De Ciencias Aplicadas, 7(S2), 29-41. https://doi.org/10.62452/qrqpc986