Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo
DOI:
https://doi.org/10.62452/qrqpc986Palabras clave:
Accidentes, ciencia de datos, modelos predictivos, minería de datos, SeguridadResumen
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
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
Número
Sección
Licencia
Derechos de autor 2024 Erika Zamora-Cevallos, Leyda Zavala-Arteaga, Byron Oviedo-Bayas, Mireya Stefania Zúñiga-Delgado (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista Metropolitana de Ciencias Aplicadas (REMCA), están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
