Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo
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 analíti...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad Metropolitana de Ecuador
2024-07-01
|
| Series: | Revista Metropolitana de Ciencias Aplicadas |
| Subjects: | |
| Online Access: | http://remca.umet.edu.ec/index.php/REMCA/article/view/728 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850198597795053568 |
|---|---|
| author | Erika Zamora-Cevallos Leyda Zavala-Arteaga Byron Oviedo-Bayas Mireya Stefania Zúñiga-Delgado |
| author_facet | Erika Zamora-Cevallos Leyda Zavala-Arteaga Byron Oviedo-Bayas Mireya Stefania Zúñiga-Delgado |
| author_sort | Erika Zamora-Cevallos |
| collection | DOAJ |
| description |
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.
|
| format | Article |
| id | doaj-art-7cce97cb6313488f99f844b9fd651fd5 |
| institution | OA Journals |
| issn | 2661-6521 2631-2662 |
| language | Spanish |
| publishDate | 2024-07-01 |
| publisher | Universidad Metropolitana de Ecuador |
| record_format | Article |
| series | Revista Metropolitana de Ciencias Aplicadas |
| spelling | doaj-art-7cce97cb6313488f99f844b9fd651fd52025-08-20T02:12:50ZspaUniversidad Metropolitana de EcuadorRevista Metropolitana de Ciencias Aplicadas2661-65212631-26622024-07-017S210.62452/qrqpc986728Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajoErika Zamora-Cevallos0https://orcid.org/0000-0002-2362-740XLeyda Zavala-Arteaga1https://orcid.org/0009-0004-7517-4432Byron Oviedo-Bayas2https://orcid.org/0000-0002-5366-5917Mireya Stefania Zúñiga-Delgado3https://orcid.org/0000-0002-4458-5771Universidad Bolivariana del Ecuador. Ecuador.Universidad Bolivariana del Ecuador. Ecuador.Universidad Técnica Estatal de Quevedo. Ecuador.Universidad Bolivariana del Ecuador. Ecuador. 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. http://remca.umet.edu.ec/index.php/REMCA/article/view/728Accidentesciencia de datosmodelos predictivosminería de datosSeguridad |
| spellingShingle | Erika Zamora-Cevallos Leyda Zavala-Arteaga Byron Oviedo-Bayas Mireya Stefania Zúñiga-Delgado Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo Revista Metropolitana de Ciencias Aplicadas Accidentes ciencia de datos modelos predictivos minería de datos Seguridad |
| title | Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo |
| title_full | Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo |
| title_fullStr | Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo |
| title_full_unstemmed | Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo |
| title_short | Modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo |
| title_sort | modelo predictivo para determinar patrones y tendencias que influyen en los accidentes de trabajo |
| topic | Accidentes ciencia de datos modelos predictivos minería de datos Seguridad |
| url | http://remca.umet.edu.ec/index.php/REMCA/article/view/728 |
| work_keys_str_mv | AT erikazamoracevallos modelopredictivoparadeterminarpatronesytendenciasqueinfluyenenlosaccidentesdetrabajo AT leydazavalaarteaga modelopredictivoparadeterminarpatronesytendenciasqueinfluyenenlosaccidentesdetrabajo AT byronoviedobayas modelopredictivoparadeterminarpatronesytendenciasqueinfluyenenlosaccidentesdetrabajo AT mireyastefaniazunigadelgado modelopredictivoparadeterminarpatronesytendenciasqueinfluyenenlosaccidentesdetrabajo |