پیش بینی خشم کارگران تحت مواجهه با صدا با استفاده از شبکه عصبی مصنوعی در محیط های صنعتی بسته
پذیرفته شده برای پوستر
کد مقاله : 1027-ISAV (R1)
نویسندگان
1عضو هیات علمی دانشگاه علوم پزشکی بیرجند
2دانشگاه علوم پزشکی بیرجند
3دانشکده ایمنی و بهداشت، دانشگاه رایرسون، تورنتو، کانادا
چکیده
مواجهه طولانی با صدا در محیط های صنعتی با مقادیر بیش از حد مجاز تنش و پرخاشگری را در افراد به وجود می‌آورد و بر مبنای فرکانس‌های مختلف مواجهه نیز می‌تواند به عنوان محرک روانی منجر به ایجاد اختلال در فعالیت‌های شناختی، افزایش خطاهای انسانی و ایجاد پیامدهای ناگوارگردد. این مطالعه با هدف پیش بینی خشم کارگران تحت مواجهه با صدا با استفاده از شبکه عصبی مصنوعی در محیط های صنعتی بسته انجام پذیرفت. در این مطالعه تحلیلی مقطعی اندازه گیری میزان مواجهات صوتی افراد در قالب تراز معادل 8 ساعته با استفاده از روش ISO 9612 صورت گرفته، پرسشنامه حساسیت به صدای واینشتاین، استرس شغلی فیلیپ ال رایس، ناسا NASA – TLX، آزار صوتی (استاندارد ISO 15666) و مقیاس خشم چند بعدی سیگل مورد بررسی واقع شدند و از شبکه عصبی مصنوعی برای پیش بینی خشم در شاغلین صنعتی بر اساس متغیرهای ورودی لحاظ شده استفاده شد. نتایج آنالیز حساسیت و اهمیت نسبی متغیرها در مدل شبکه عصبی نشان داد که متغیرهای دموگرافیک، فاکتورهای ذهنی و مواجهه صوتی و حساسیت به ترتیب با 9/43%، 8/24% و 4/23% نقش مهمی را در تخمین خشم کارگران به خود اختصاص می دهند. بر این اساس، تدوین مدل های پیشگو در زمینه خشم افراد در محیط های آلوده به صدا در کنار اجرای برنامه های موثر در جهت آموزش راهکارهای کنترل خشم می تواند از بروز درگیری های شغلی جلوگیری نموده و موجب گردد تا فرد شاغل هم در محیط کار و هم در محیط خانه، احساس بهتری نسبت به خودش داشته باشد.
کلیدواژه ها
موضوعات