کاهش حوادث در محل کار با استفاده از تجزیه و تحلیل منابع انسانی

آنچه در این مطلب می‌خوانید:

در این مقاله، نتایج یک مطالعه تحقیقاتی درباره استفاده از آزمون‌های روان‌سنجی برای پیش‌بینی حوادث ترافیکی (RTA) در یک شرکت محلی در زیمبابوه را ارائه می‌دهیم. تاثیر حوادث جدی است: این تاثیر بر رانندگان، اموال مشتری، نرخ‌های بیمه و وسایل نقلیه‌ای که آن‌ها اداره می‌کنند، اعمال می‌شود. ما ۵۴ راننده را با استفاده از آزمون‌های روان‌سنجی مختلف آزمایش کردیم تا ببینیم آیا می‌توانیم عملکرد رانندگی برتر را برای استخدام‌های جدید پیش‌بینی کنیم. نتایج شگفت‌انگیز به کلی شیوه استخدام رانندگان جدید توسط مشتری ما را تغییر داد.

برای این منظور، ۵۴ راننده از یک شرکت محلی در زیمبابوه را با استفاده از سیستم آزمون Fitness To Drive Plus  Vienna آزمایش کردیم. نتایج آزمون هر راننده سپس با سوابق حوادث ترافیکی او از سال ۲۰۱۴ تا ۲۰۱۵ مطابقت داده شد. این امکان به ما داد که یک مدل رگرسیون لجستیک (با استفاده از نتایج روان‌سنجی و سوابق حوادث) بسازیم که رانندگان خوب را از رانندگان بد تمیز دهد.

اهداف

هدف اصلی این تحقیق مشخص کردن ویژگی‌های روان‌سنجی است که می‌توانند برای شناسایی اینکه آیا یک فرد راننده خوبی است یا بد، استفاده شوند. مدل رگرسیون لجستیک که سپس ساخته می‌شود، به منظور کمی‌سازی تمایل راننده به حوادث با استفاده از نمرات آزمون روان‌سنجی او طراحی شده است.

یافته‌های کلیدی

• ما کشف کردیم که ویژگی‌های روان‌سنجی یک فرد می‌تواند برای پیش‌بینی تمایل به حوادث ترافیکی استفاده شود.
• ما یک مدل رگرسیون لجستیک ساختیم که رانندگانی را که سوابق حوادث ترافیکی داشتند، از رانندگانی که سوابق نداشتند، با دقت تقریبی ۷۲% تمیز می‌دهد.
• ابعاد تمرکز و تحمل استرس واکنشی با سوابق حوادث ترافیکی رابطه‌ای معنادار داشتند.
• در داده‌هایی که ما تحلیل کردیم، شواهد معناداری برای نشان دادن اینکه دارندگان گواهینامه رانندگی دفاعی (DDC) کمتر به حوادث دچار می‌شوند نسبت به غیر دارندگان آن، وجود نداشت. به عبارت دیگر، هیچ شواهد معناداری وجود نداشت که نشان دهد دارندگان DDC رانندگان بهتری نسبت به غیر دارندگان آن هستند.
• سن راننده و تعداد سال‌هایی که یک فرد گواهینامه رانندگی داشته است، دارای روابط نسبتاً معناداری با تعداد حوادث ترافیکی هستند. به عبارت دیگر، رانندگان مسن‌تر و با تجربه‌تر معمولاً حوادث کمتری نسبت به رانندگان جوان‌تر و کم‌تجربه‌تر دارند.

چه کسانی در حوادث بیشتری درگیر بودند؟

در ادامه، برخی از تجسم‌های داده‌ای را که ورودی‌هایی درباره ایمنی جاده به ما دادند، نمایش خواهیم داد.

نمودار نشان می‌دهد که ۲۶% از حوادث شامل کارکنانی است که بین ۳۱ تا ۳۵ سال سن دارند.

برای بررسی خدمات آموزش، مشاوره و پیاده‌سازی پروژه‌های حوزه مشاوره مدیریت خانه منابع انسانی می‌توانید به صفحه معرفی خدمات مراجعه نموده و یا با شماره ۸۲۸۰۱۵۱۰-۰۲۱ تماس حاصل فرمایید.

خدمات تخصصی خانه منابع انسانی

نمودار توزیع سال‌های خدمت در شرکت را نشان می‌دهد.

۵۲%  از حوادث در دوره مورد مطالعه شامل رانندگان/ موتورسوارانی بود که به تازگی به شرکت پیوسته‌اند، یعنی افرادی با ۵ سال خدمت و زیر آن.

۶۰%  از کارکنانی که به حوادث ترافیکی دچار شدند، گواهینامه رانندگی دفاعی (DDC) نداشتند. از سوی دیگر، حدود ۴ نفر از هر ۱۰ راننده/ موتورسوار گواهینامه رانندگی دفاعی داشتند. این موضوع این سؤال را به وجود می‌آورد که آیا داشتن DDC یا نداشتن آن، خطر حوادث راننده را تغییر می‌دهد.

گواهینامه رانندگی دفاعی: آیا اتلاف وقت و پول است؟

در تحلیل‌های ما از نسبت‌ها، متوجه شدیم که شواهد معناداری وجود ندارد که نشان دهد دارندگان گواهینامه رانندگی دفاعی (DDC) کمتر به حوادث دچار می‌شوند نسبت به غیر دارندگان آن. به سادگی، هیچ شواهدی از داده‌ها وجود ندارد که نشان دهد داشتن DDC باعث می‌شود راننده کمتر به حوادث دچار شود. شرکت‌هایی که در DDC سرمایه‌گذاری می‌کنند ممکن است هیچ ارزشی از آن به دست نیاورند.

استفاده از رگرسیون لجستیک برای شناسایی خطر حوادث ترافیکی

ما یک مدل رگرسیون لجستیک ساختیم که رانندگانی را که مستعد حوادث ترافیکی هستند از رانندگانی که کمتر به حوادث دچار می‌شوند، تمیز می‌دهد. سیستم آزمون Fitness To Drive Plus Vienna شامل حوزه‌های ارزیابی زیر است که ما در مدل رگرسیون لجستیک گنجانده‌ایم:

تمرکز: یک عملکرد ویژه از توجه، به ویژه توجه انتخابی است. در رانندگی، این هر بار که نیاز به محافظت از یک محرک در برابر محرک‌های دیگر وجود دارد، مورد نیاز است و تمرکز باید از یک محرک به محرک دیگر منتقل شود – به عنوان مثال، هنگام نزدیک شدن به یک تقاطع بدون کنترل. تحلیل حوادث نشان داده است که اکثریت حوادث ترافیکی ثبت شده به دلیل بی‌توجهی است.

ادراک محیطی: ادراک اشیاء و محرک‌ها خارج از نقطه تمرکز بصری است. ادراک محیطی برای مثال، برای مشاهده وسایل نقلیه یا افرادی که از کنار ظاهر می‌شوند، نیاز است. در ادبیات مربوط به جنبه‌های بصری رانندگی (مانند Rockwell و همکاران، ۱۹۷۷؛ هارتمن ۱۹۸۰)، ادراک محیطی عمدتاً در ارتباط با تخمین سرعت، کنترل وسیله نقلیه و نظارت بر محیط رانندگی مورد بحث قرار می‌گیرد. از آنجا که عملکردهای ادراک محیطی جنبه مهمی از رانندگی هستند، فرض بر این است که نقص‌ها یا شکست‌های ادراک محیطی یکی از علل اصلی حوادث است.

سرعت واکنش: زمان بین ارائه محرک و شروع حرکت پاسخ مکانیکی است. سرعت واکنش بالا (زمان کوتاه) به این معنی است که پاسخ‌دهنده در پاسخ به محرک‌های مربوطه با سرعت مناسب خوب عمل می‌کند.

سرعت حرکتی: این نمره اطلاعاتی درباره سرعت حرکت پاسخ‌دهنده ارائه می‌دهد. سرعت حرکتی بالا (زمان کوتاه) به این معنی است که پاسخ‌دهنده در اجرای توالی‌های اقدام برنامه‌ریزی شده با سرعت مناسب در موقعیت‌های واکنشی خوب عمل می‌کند.

همانطور که در جدول بالا نشان داده شده است، تنها دو (۲) از ابعاد (حوزه‌های ارزیابی) رابطه معناداری با خطر حوادث ترافیکی راننده دارند (مقدار p کمتر از ۵% بود.)

اگرچه مدل تنها دو حوزه ارزیابی معنادار دارد، گنجاندن تمام ابعاد در مدل منجر به بهبود طبقه‌بندی پروفایل‌های خطر حوادث رانندگان می‌شود.

دقت مدل رگرسیون لجستیک

ما از جدول طبقه‌بندی زیر (ماتریس سردرگمی) برای ارزیابی اعتبار مدل رگرسیون لجستیک استفاده کردیم.

مدل رگرسیون لجستیک به درستی ۷۲% از رانندگان را که برای آزمایش آمده بودند، طبقه‌بندی کرد، به عبارتی، این مدل ۷۲% از رانندگان را در سلول‌های A و D قرار داد. جدول بالا نشان می‌دهد که نرخ مثبت واقعی مدل ۵۷% بود، یعنی از بین رانندگان بد طبقه‌بندی شده، ۵۷% از آن‌ها حوادثی داشته‌اند. نرخ منفی واقعی مدل ۸۴% بود که به این معنی است که از بین رانندگانی که به عنوان رانندگان خوب طبقه‌بندی شدند، ۸۴% از آن‌ها در سال‌های ۲۰۱۴ و ۲۰۱۵ در حوادث ترافیکی درگیر نبوده‌اند.