使用人员分析减少工作场所事故

你在这里:
使用人员分析减少工作场所事故

在这篇文章中,我们展示了在津巴布韦一家当地公司使用心理测试来预测道路交通事故(RTA)的研究结果。事故的影响是严重的:它会影响司机、客户财产、保险费率和他们操作的车辆。我们对54名司机进行了不同的心理测试,以了解我们是否能预测新员工的出色驾驶表现。令人惊讶的结果完全改变了我们客户雇佣新司机的方式。

为此,我们使用维也纳健康驾驶测试系统对津巴布韦一家当地公司的54名司机进行了测试。每个司机的测试结果与他/她2014年至2015年的道路交通事故记录相匹配。这使我们能够建立一个逻辑回归模型(使用心理测量结果和事故记录)来区分好司机和坏司机。

目标

这项研究的主要目的是确定心理测量属性,这些属性可以用来识别一个人是好司机还是坏司机。随后建立的逻辑回归模型旨在利用驾驶员的心理测试分数来量化他们发生事故的倾向。

重要发现

  1. 我们建立了个体的心理测量属性可以用来预测道路交通事故的倾向。
  2. 我们建立了一个逻辑回归模型,区分有道路交通事故记录的司机和没有记录的司机,准确率约为72%。
  3. 浓度和反应性应力耐受维度与道路交通事故记录有显著的统计学关系。
  4. 在我们分析的数据中,没有明显的证据表明持有防御性驾驶证书(DDC)的人比不持有的人更不容易发生事故。换句话说,没有明显的证据表明DDC持有人比非DDC持有人是更好的司机。
  5. 司机的年龄和个人持有驾照的年数与RTA的数量有相当显著的关系。换句话说,年长和经验丰富的司机比年轻和经验不足的司机发生的事故更少。

谁发生的事故更多?

接下来,我们将展示一些为我们提供道路安全输入的数据可视化。

图表显示,26%的事故涉及年龄在31岁至35岁之间的人员。

该图表显示了在该公司服务年限的分布情况。在研究期间,52%的事故涉及最近加入公司的司机/乘客,即服务五年及以下的司机/乘客。

相关(免费)资源!继续往下读↓

51人力资源指标备忘单

数据驱动的人力资源从实施相关的人力资源指标开始。下载51个人力资源指标的免费小抄

60%参与RTA的人员没有防御性驾驶证书(DDC)。另一方面,大约每10名司机/乘客中就有4人拥有防御性驾驶证书。这就提出了一个问题,即持有DDC是否会改变司机的事故风险。

防御性驾驶证:浪费时间和金钱?

在我们的比例分析中,我们注意到,没有显著证据表明DDC持有者比非持有者更不容易发生事故。简单地说,数据中没有证据表明持有DDC会降低司机发生事故的几率。投资ddc的公司可能不会从中获得任何价值。

基于Logistic回归的道路交通事故风险识别

我们建立了一个逻辑回归模型来区分容易发生道路交通事故的司机和不太容易发生事故的司机。适合驾驶+维也纳测试有以下评估领域,我们包括在逻辑回归模型中:

  • 浓度——是注意的一种特殊功能,即选择性注意。在驾驶中,每当一个刺激需要与其他刺激隔离,注意力需要从一个刺激转移到另一个刺激时,就会用到这种方法——例如,当接近一个不受控制的十字路口时。事故分析表明,大多数有记录的交通事故都是由于注意力不集中造成的
  • 外围知觉-是视觉注视点以外的物体和刺激的知觉。例如,为了注意到从侧面出现的车辆或人,外围感知是需要的。在有关驾驶视觉方面的文献中(例如Rockwell等人,1977;Hartmann 1980)中,周围知觉主要与速度的估计、车辆的控制和驾驶环境的监测有关。由于外周知觉功能是驾驶的一个重要方面,因此认为外周知觉的缺陷或失效是造成事故的主要原因。
  • 反应速度-是刺激呈现和机械反应运动开始之间所经过的时间。反应速度高(时间短)意味着被调查者善于以适当的速度对相关刺激或刺激星座作出反应。
  • 电动机转速-该分数提供了受访者移动速度的信息。高电机速度(短时间)意味着应答者善于在反应情况下以适当的速度执行计划好的动作序列。
hr-analytics-logistic-regression-model

logistic回归模型的结果如下:

如上表所示,只有两个(2)维度(评估区域)与驾驶员道路交通事故风险显著相关(p值均小于5%)。尽管该模型只有两个重要的评估领域,但将所有维度都包含在模型中,可以改进驾驶员事故风险概况的分类。

逻辑回归模型的准确性

accuracy-of-regression-model
true-positive-true-negative

我们使用下面的分类表(混淆矩阵)来评估逻辑回归模型的有效性。

逻辑回归模型正确地分类了72%前来测试的司机,即模型将72%的司机放在单元格A和D中。

从上表可以看出,模型的真阳性率为57%,即在被归类为不良司机的司机中,57%的人发生过事故。该模型的真实负率为84%,这意味着在被归类为好司机的司机中,84%的人在2014年和2015年没有发生过道路交通事故。

业务案例

我们已经确定,心理测量资料可以用于识别驾驶员的道路交通事故倾向,具有较高的准确性。这意味着,在没有任何道路交通事故记录的情况下,公司可以使用适当的心理测试来决定你是否应该雇佣司机或机器操作员。

同样的方法也可以用来确定已经成为组织一部分的司机的培训需求。如果模型确定某名司机的道路事故风险过高,则该司机可能会被重新分配到组织中的其他操作领域。这样做将减少因事故而产生的费用。这些成本包括更高的保险费、加速“磨损”的维修、生产力的损失、客户和公司财产的损失、业务或客户的损失,甚至生命的损失。

驾驶经验等人口统计学变量可能会被潜在的司机歪曲。为此,我们建议为招聘目的使用心理测试。它们的优点是客观,不能歪曲事实。

我们还在数据探索中注意到,防御性驾驶证持有者和非持有者承担着相同的道路交通事故风险。这肯定了我们的方法,使用心理测试是非常值得推荐的。

参考文献

订阅我们的每周通讯了解最新的人力资源新闻、趋势和资源。

你准备好迎接HR的未来了吗?

在线学习现代和相关的人力资源技能

浏览课程 现在招收