Tegenwoordig zijn er steeds meer sensoren die data meten. Ook kunnen grote hoeveelheden data steeds makkelijker opgeslagen en geanalyseerd worden. Dit biedt kansen voor human factors onderzoek. De data kan gebruikt worden om inzicht te krijgen in het gedrag dat daadwerkelijk plaatsvindt in jouw organisatie. En belangrijker nog: welke factoren invloed hebben op dat gedrag.
Gedrag direct of indirect meten
Het is vaak mogelijk om data die al gemeten wordt, te gebruiken om inzicht te krijgen in gedrag. Zo kan bijvoorbeeld snelheids- en locatiedata van treinen inzicht geven in het rijgedrag van machinisten. Andere voorbeelden van data die (indirect) iets zeggen over gedrag:
- het aantal keren dat een bepaalde app wordt geopend
- de tijd tussen ontvangst van een melding en het uitrukken van hulpdiensten
- het aantal contactmomenten tussen medewerkers op verschillende locaties tijdens het uitvoeren van onderhoud.
Beïnvloedende factoren
Voor human factors onderzoek is het niet nodig om de data aan individuen te koppelen. Het is juist interessanter om te zien welke factoren het gedrag van alle medewerkers beïnvloeden. Ziet de data er bijvoorbeeld anders uit:
- tijdens nachtdiensten of dagdiensten?
- als we een veiligheidsinterventie invoeren?
- onder verschillende infrastructuuromstandigheden?
- als we de interface of de software veranderen?
- op specifieke locaties?
- tijdens specifieke taken?
- bij andere weersomstandigheden, zoals bijvoorbeeld bij mist of juist hele lage of hoge temperaturen?
Voordelen van big data voor human factors
Er zijn meerdere voordelen aan het gebruik van big data voor human factors onderzoek en advies. De drie grootste voordelen vergeleken met andere methoden:
- Prioritering. Je kan onderzoeken hoe groot de invloed is van elke factor. Zo kun je erachter komen welke factoren niet zo’n grote invloed hebben en welke factoren juist een hele grote invloed hebben.
- Specificatie. Je kan zien onder welke omstandigheden een factor wel een grote invloed heeft en onder welke omstandigheden niet. Hierdoor kunnen meer gerichte interventies worden toegepast.
- Geen of beperkte extrapolatie nodig. De data meet het daadwerkelijk gedrag van jouw medewerkers in jouw organisatie. Dit geeft meer zekerheid over de invloed van de factor. Ook wordt het bewijs geloofwaardiger.
Big data voor veiligheid
Wil je als afdeling veiligheid big data gaan inzetten, maar weet je niet waar je moet beginnen? Dan raad ik mijn ‘vier data traptreden’-model aan.
Neem vrijblijvend contact op voor een sessie over het ‘vier data traptreden’-model. Tijdens deze sessie gaan we direct aan de slag gaan met het model. Deze sessie is voor veiligheidsadviseurs. Aanwezigheid van data-collega’s kan helpen om de resultaten nog sneller in de praktijk te brengen. Zie mijn pagina DataForSafety voor meer informatie over het model.
Een lezing over het gebruik van Big Data voor Human Factors?
Papers van mij over dit onderwerp
Big data onderzoek naar human factors in het spoor:
Burggraaf J, Groeneweg J, Sillem S, van Gelder P. What Employees Do Today Because of Their Experience Yesterday: How Incidental Learning Influences Train Driver Behavior and Safety Margins (A Big Data Analysis). Safety. 2021; 7(1):2.
https://doi.org/10.3390/safety7010002
Burggraaf J, Groeneweg J, Sillem S, van Gelder P. What Employees Do Today Because of Their Experience Yesterday: Previous exposure to yellow:number aspects as a cause for SPAD incidents. Journal of Rail Transport Planning & Management, 2022; 23.
https://doi.org/10.1016/j.jrtpm.2022.100332
Dissertatie
Burggraaf, J. The identification of incidental learning as a cause of human error by exploring big data within railway safety. Doctoral dissertation, Safety and Security Science TU Delft, TU Delft repository, 2023.
Of
https://doi.org/10.4233/uuid:c5b1a63b-3873-4b1b-b4ed-e12390d21d40
