Progetto e realizzazione di un sistema basato su tecniche di data mining per la generazione automatica di profili di percezione del rischio di infortunio

Gli ambienti di lavoro sono caratterizzati da un’enorme quantità di rischi ai quali i lavoratori sono inevitabilmente esposti attraverso fattori ben precisi, denominati fattori di rischio. Effettuare le mansioni di routine, ma spesso anche solo sostare in ambienti rischiosi, fa sì che si manifestino effetti deleteri per l’incolumità delle persone. Si va dai semplici fenomeni di raffreddamento alle vere e proprie malattie professionali; da un banale graffio fino ai ben più seri casi di menomazione. Negli ultimi cinquant’anni la gestione della sicurezza è divenuta un importante settore di studio e gli ambienti di lavoro si sono fortunatamente molto evoluti, i macchinari sono stati completamente riprogettati ed equipaggiati da efficienti dispositivi di protezione. Resta ancora molto da fare per arginare il cosiddetto “rischio residuo” che deve essere una porzione quasi infinitesimale del rischio complessivo legato a ogni operazione normalmente compiuta in ambito lavorativo. Grazie ai progressi compiuti negli ultimi anni, gli eventi connessi a questa porzione del rischio sono stati resi poco probabili, tuttavia il loro potenziale devastante sussiste inalterato. I dipendenti di un’azienda esposti a fonti di rischio per la loro incolumità ne devono avere la piena consapevolezza, e devono comprendere a fondo la natura del pericolo che corrono, per poterlo gestire nel migliore dei modi. Esiste però un fattore che rende questo approccio un’impresa molto ardua: la soggettività insita in ogni persona, che tende a differenziarla da ogni altra nell’interazione con le situazioni di pericolo. Negli ultimi anni sono stati compiuti molti studi in materia di percezione del rischio, coinvolgendo aspetti culturali, psicometrici, psicologici e sociali. Tuttavia nessuno di questi studi sembra aver compreso definitivamente l’essenza della diversificazione comportamentale osservabile in coloro che si trovano di fronte allo stesso pericolo, nelle stesse cirscostanze e negli stessi luoghi. Lo scopo di questa tesi è quello di studiare un modello innovativo che permetta di individuare le classi di sensibilità al rischio di un insieme di lavoratori e in seguito collocare automaticamente ognuno di essi in un ben preciso profilo di percezione del rischio. La potenza della classificazione in profili di percezione indotti dai dati, oltre all’indiscussa oggettività che la contraddistingue, risiede nella possibilità di sfruttare questa caratterizzazione dei lavoratori al fine di effettuare interventi di formazione e sensibilizzazione al rischio che siano adattati al grado di percezione di ognuno, ottenendo risultati nettamente migliori rispetto alla formazione classica, erogata a gruppi di lavoratori riuniti relativamente alla loro mansione e, quindi, unicamente in base ai rischi ai quali questi risultano esposti. Utilizzando questa innovativa modalità di profilazione, si ha la possibilità di interagire con i lavoratori sapendo a priori qual è il loro livello di comprensione e percezione del rischio sul quale si vanno a formare o sensibilizzare. Grazie al raggruppamento in classi di percezione, chi avrà il compito di istruire i lavoratori sarà informato preventivamente sul loro profilo psico-comportamentale e, in base a questo, egli sarà in grado di adattare la formazione erogata a questa tipologia di persone, sfruttandone appieno i loro pregi e, conoscendone i difetti nel rapporto col rischio, mirarare a correggerli in modo estremamante efficiente. La teoria studiata in questa tesi è stata implementata in linguaggio Java e ne è stata poi sperimentata l’efficacia su dati raccolti mediante un sito web appositamente creato, in modo da mostrare le potenzialità di una soluzione di profilazione automatica dei lavoratori, in ottica di prevenzione del rischio d’infortunio