Turvallisuusjohtamisen kehittäminen tiedon louhinnalla (AI Safety)
Tutkimus
Hanketiedot
Hankenumero
200081
Hakija
Työterveyslaitos
Toteuttaja
Työterveyslaitos
Lisätietoja
Maria Tiikkaja
maria.tiikkaja@ttl.fi
Toteutusaika
1.9.2020 - 30.9.2023
Työsuojelurahaston päätös
28.5.2020
170 000 euroa
Kokonaiskustannukset
307 471 euroa
Tulokset valmistuneet
16.10.2023
Tiivistelmä
Hankkeessa tutkitaan tiedonlouhinnan soveltuvuutta turvallisuusjohtamisen tarpeisiin tavoitteena löytää uusia keinoja työtapaturmien ja muiden turvallisuustilanteiden ennakointiin. Jatkuvasti kasvavan tietomäärän analysointiin tarvitaan uusia lähestymistapoja. Hanke tuottaa uutta tietoa uuden teknologian hyödyntämisestä tietoon perustuvan turvallisuusjohtamisen tukena. Datalähtöisellä tarkastelulla tunnistetaan turvallisuustilanteiden taustalla vaikuttavia tekijöitä (heikkoja signaaleja) ja tuodaan uutta ymmärrystä turvallisuutta vahvistavista ja heikentävistä tekijöistä sekä luodaan heikkoihin signaaleihin pohjautuvia malleja turvallisuustilanteiden ennakointiin. Tunnistamalla turvallisuustilanteiden taustalla olevia tekijöitä voidaan toimenpiteitä kohdistaa vaikuttavasti ja tehokkaasti. Tutkimusaineisto muodostuu osallistujaorganisaatioiden turvallisuusdatasta ja muista operatiiviseen ja hallinnolliseen toimintaan liittyvistä aineistoista. Tutkimuksessa käytetään eksploratiivista tiedonlouhintaa ja sen tueksi kerätään haastattelujen ja työpajojen avulla laadullista aineistoa. Hankkeessa luodaan malliratkaisuja työturvallisuuteen kohdistuvan tiedonkeruun kohdentamisesta sekä tietoaineistojen tietoturvallisesta luovutuksesta tieteelliseen tutkimukseen. Lisäksi laaditaan toimenpidesuosituksia tyypillisten, tunnistettujen haasteiden ratkaisemiseksi. Suunniteltavat malliratkaisut ja toimenpidesuositukset julkaistaan kaikille työpaikoille vapaasti käytettäviksi ohjeistuksiksi.
Hankkeen vastuuhenkilö
Maria Tiikkaja
Tiedote
Miten organisaatiodataa voidaan hyödyntää tekoälypohjaisessa työturvallisuuden kehittämisessä?
16.10.2023Tiivistelmä
AI Safety -tutkimushanke antaa uutta tietoa työturvallisuusdatan käytön kehittämiseen organisaatioissa. Hankkeessa tarkasteltiin, miten ja millä edellytyksillä koneoppimismenetelmiä voidaan hyödyntää analysoitaessa erilaisia organisaatioille kertyneitä datoja sekä turvallisuusjohtamisen työkaluna. Hankkeessa julkaistiin kaksi opasta auttamaan organisaatioita osallistumaan datalähtöiseen tutkimukseen ja kehittämään datankeruutaan työturvallisuuden kehittämiseksi.
Lähtökohdat
Organisaatiot kerryttävät erilaista turvallisuus- ja organisaatiodataa, mutta datamassojen analysointi ihmisvoimin on työlästä. Tutkimuskohteena oli monipuoliseen dataan perustuva työturvallisuusanalytiikka koneoppimismenetelmillä tavoitteena syventää ymmärrystä työtuvallisuusdatasta, -tilanteesta sekä ennakoinnista. Datoista tunnistettiin inhimillisiä tekijöitä (HF) datatieteen menetelmin, tarkasteltiin niiden hyödynnettävyyttä, laatua sekä tietoaukkoja tai puutteita.
Aineisto
Aineistona oli osallistujaorganisaatioiden rakenteista ja rakenteetonta työturvallisuusdataa sekä muuta organisaatiodataa henkilöstöhallinnosta, tuotannosta ja työympäristöstä. Aineiston vaaratilanne-/turvallisuushavaintojen ja tapaturmatutkintojen tekstidataa tutkittiin tekoälyn avulla ja tapaturmakuvausten osalta myös asiantuntija-analyyseillä. Lisäksi aineistoon sisältyi Tapaturmavakuutuskeskuksen keräämiä vahinkokuvaustekstejä. Aineistoa kerättiin myös työpajoilla ja haastatteluilla.
Menetelmät
Hankkeessa sovellettiin monia menetelmiä datan käsittelyyn koneellisesti käyttäen moderneja koneoppimismalleja, joilla turvallisuustapahtumien esiintymistä viikko- tai kuukausitasolla ennustettiin muiden kerättyjen muuttujien avulla ja joilla turvallisuusteksteistä voidaan analysoida esim. tapaturmien kannalta merkitsevien sanojen esiintyvyyttä, aihemallinnusta sanaryhmien näkökulmasta tai luokitella tekstejä HF näkökulmasta. Lisäksi tapaturmatutkintoja tarkasteltiin asiantuntija-analyysillä.
Tulokset ja johtopäätökset
Keskeisimmät havainnot liittyvät organisaatioissa kerättävän turvallisuusdatan laatuun: standardeja ei ole ja kirjaustavat ovat moninaiset, lisäksi tärkeää tietoa mm. turvallisuustapahtuman taustalla vaikuttaneista tekijöistä jää usein puuttumaan. Toisaalta koneoppimismalleilla tehdyt analyysit viittaavat siihen, että laadukkaan ja kattavan datan avulla voitaisiin ennakoiden tunnistaa merkkejä turvallisuushaasteista ja ratkaista niitä ennen kuin ne konkretisoituvat tapaturmina.
Uutuusarvo ja sovellettavuus
Tulosten kautta organisaatiot saavat parempaa tietoa siitä, mitä toimenpiteitä tarvitaan sekä kerättävän turvallisuuteen liittyvän ja muun organisaatiodatan laadun että keräämistavan suhteen, jotta he voisivat hyödyntää keräämäänsä dataa vaikuttavammin työturvallisuuden päätöksenteossa ja johtamisessa. Tulokset ovat sovellettavissa eri aloille ja työpaikoille.
Aineisto
Lantto Eero Tiikkaja Maria Haavisto Olli Heikkilä Tarja Kannisto Henriikka Kivimäki Ilkka Kärkimaa Jukka Nurmi Akseli Puro Vuokko Räsänen Tuula Virtanen Simo. Turvallisuusjohtamisen kehittäminen tiedon louhinnalla. AL SAFETY -hankkeen loppuraportti. Työterveyslaitos. 2023.
ISBN 978-952-391-135-2 (PDF) Avaa
Julkaisuluettelo Avaa
Johdammeko työturvallisuutta faktalla vai fiktiolla -blogikirjoitus Avaa
Opas henkilötunnisteisen organisaatiodatan tutkimuskäyttöön Avaa
Turvallisuusjohtaminen ennakoivan tiedon avulla – artikkeli Avaa
Turvallisuusjohtamista voi kehittää datavetoisesti -blogikirjoitus Avaa
Työturvallisuuden tiedonkeruu – laatua kehittäen Opas Avaa
Yritysdatan käyttö tieteellisessä tutkimuksessa – huolista mahdollisuuksiin -blogikirjoitus Avaa