Extracting recurrent scenarios from narrative texts using a Bayesian network: Application to serious occupational accidents with movement disturbance - Archive ouverte HAL Access content directly
Journal Articles Accident Analysis & Prevention Year : 2014

Extracting recurrent scenarios from narrative texts using a Bayesian network: Application to serious occupational accidents with movement disturbance

Abstract

A probabilistic approach has been developed to extract recurrent serious Occupational Accident with Movement Disturbance (OAMD) scenarios from narrative texts within a prevention framework. Relevant data extracted from 143 accounts was initially coded as logical combinations of generic accident factors. A Bayesian Network (BN)-based model was then built for OAMDs using these data and expert knowledge. A data clustering process was subsequently performed to group the OAMDs into similar classes from generic factor occurrence and pattern standpoints. Finally, the Most Probable Explanation (MPE) was evaluated and identified as the associated recurrent scenario for each class. Using this approach, 8 scenarios were extracted to describe 143 OAMDs in the construction and metallurgy sectors. Their recurrent nature is discussed. Probable generic factor combinations provide a fair representation of particularly serious OAMDs, as described in narrative texts. This work represents a real contribution to raising company awareness of the variety of circumstances, in which these accidents occur, to progressing in the prevention of such accidents and to developing an analysis framework dedicated to this kind of accident.
Dans le champ de la prévention des accidents avec perturbation du mouvement au travail (APMT), une approche probabiliste a été développée pour extraire des scénarios d’APMT graves à partir de récits. Tout d’abord, l’information pertinente contenue dans 143 récits a été codée par des combinaisons logiques de facteurs génériques d’accident. Puis un modèle basé sur les réseaux bayésiens a été développé pour les APMT en exploitant à la fois les récits et les connaissances d’experts. Ensuite, une étape de classification a permis de regrouper les APMT similaires du point de vue des facteurs génériques et de leur structure. Enfin, l’explication la plus probable a été calculée pour chaque classe comme étant le scénario récurrent associé. Huit scénarios ont permis de décrire les 143 APMT qui se sont produits dans les secteurs du bâtiment et des travaux publics et de la métallurgie. Leur caractère récurrent a été discuté. Les combinaisons probables de facteurs génériques fournissent une représentation des APMT particulièrement graves tels qu’ils sont décrits dans les récits. Ces scénarios sont utiles pour sensibiliser les entreprises à la diversité des circonstances dans lesquelles ces accidents se produisent, pour avancer dans leur prévention et pour élaborer un cadre d’analyse qui leur soit spécifique.
Fichier principal
Vignette du fichier
OAMD_and_RB_revised_April_2014.pdf (703.97 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-01578382 , version 1 (29-08-2017)

Identifiers

Cite

Fazia Abdat, Sylvie Leclercq, Xavier Cuny, Claire Tissot. Extracting recurrent scenarios from narrative texts using a Bayesian network: Application to serious occupational accidents with movement disturbance. Accident Analysis & Prevention, 2014, 70, pp.155-166. ⟨10.1016/j.aap.2014.04.004⟩. ⟨hal-01578382⟩

Collections

CNAM INRS HESAM
106 View
287 Download

Altmetric

Share

Gmail Mastodon Facebook X LinkedIn More