Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo
DOI:
https://doi.org/10.62452/qrqpc986Palavras-chave:
Accidentes, ciencia de datos, modelos predictivos, minería de datos, SeguridadResumo
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.
Downloads
Referências
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
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2024 Erika Zamora-Cevallos, Leyda Zavala-Arteaga, Byron Oviedo-Bayas, Mireya Stefania Zúñiga-Delgado (Autor/a)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que publicam na Revista Metropolitana de Ciencias Aplicadas (REMCA), concordam com os seguintes termos:
1. Direitos autorais
Os autores mantêm direitos autorais irrestritos sobre suas obras. Os autores concedem ao periódico o direito de primeira publicação. Para tal, cedem à revista, em caráter não exclusivo, direitos de exploração (reprodução, distribuição, comunicação pública e transformação). Os autores podem firmar acordos adicionais para a distribuição não exclusiva da versão publicada do trabalho no periódico, desde que haja reconhecimento de sua publicação inicial nesta revista.
© Os autores.
2. Licença
Os trabalhos são publicados na revista sob a licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0). Os termos podem ser encontrados em: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt
Esta licença permite:
- Compartilhar: copiar e redistribuir o material em qualquer meio ou formato.
- Adaptar: remixar, transformar e desenvolver o material.
Nos seguintes termos:
- Atribuição: Você deve dar o crédito apropriado, fornecer um link para a licença e indicar se alguma alteração foi feita. Você pode fazer isso de qualquer maneira razoável, mas não de uma forma que sugira que o licenciante endossa ou patrocina seu uso.
- Não comercial: você não pode usar o material para fins comerciais.
- Compartilhamento pela mesma licença: se você remixar, transformar ou criar a partir do material, deverá distribuir sua criação sob a mesma licença do trabalho original.
Não há restrições adicionais. Você não pode aplicar termos legais ou medidas tecnológicas que restrinjam legalmente outros de fazerem qualquer coisa que a licença permita.
