Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMEN
La prediccin del desempeo es una de las herramientas existentes para determinar con un cierto
nivel de certidumbre el rendimiento futuro de los procesos bajo la influencia de determinados
factores, como la calidad del equipo de trabajo y el ambiente laboral. En particular, los trabajos
relacionados con esta temtica han adaptado modelos de comportamiento y desempeo de
equipos, haciendo especial nfasis en el empleo de tcnicas de evaluacin y medicin reconocidas,
tales como HEART (Human Error Assessment and Reduction Techniques) y CREAM (Cognitive
Reliability and Error Analysis Method). Otros trabajos se han centrado en el anlisis de factores
individuales, habilidades de trabajo en equipo, integridad y efectividad de los canales de
comunicacin existentes en un equipo de trabajo. El uso combinado de tcnicas y conceptos ha
dado lugar al diseo de modelos de prediccin, que han tenido difusin en el mbito
internacional, mientras que en Latinoamrica y en Colombia son escasos o inexistentes los
estudios enfocados en el diseo de una herramienta cuantitativa que permita pronosticar el
desempeo a corto, mediano y largo plazo de un grupo de trabajo en particular, sujeto a una serie
de factores que condicionan el logro de las metas y objetivos en una organizacin. En virtud de
este hecho, la presente investigacin tiene por objetivo disear una herramienta cuantitativa que
permita predecir el desempeo de un equipo de trabajo en funcin de los factores individuales y
las condiciones propias del ambiente laboral, integrando conocimientos de reas tan importantes
como Ergonoma Industrial, Diseo de Experimentos, Optimizacin, Teora de la Decisin,
Simulacin y Procesos Estocsticos. Este estudio se centrar en la utilizacin de mtodos propios
de la Ingeniera Industrial para la modelacin y diseo de una herramienta de alta confiabilidad y
precisin orientada a predecir y mejorar el desempeo de equipos de trabajo.
Algunos investigadores argumentan que los diferentes tipos de equipo en las organizaciones se
caracterizan por poseer numerosos atributos. En virtud de estas diferencias, los administradores
de factores humanos suelen emplear diferentes enfoques al manejar diversidad de equipos de
trabajo (Colbert y colegas, 2008; Scott-Young y Samson, 2008), de los cuales da cuenta la literatura
cientfica (Agrawal, 2012; Rutti y colegas, 2012; Ibrahim y colegas, 2012; Santos y colegas, 2013;
Cruz-Ortiz y colegas, 2013; Jaca y colegas, 2013; Bhat y colegas, 2012). Sin embargo, los estudios
relacionados con la administracin de personal en trminos operacionales han sido escasos,
resaltando muy especialmente el aporte de Bendoly y colegas (2010), en el cual se hace referencia
a la dinmica de grupo como uno de los principales determinantes en la generacin de
conocimiento en torno al comportamiento y desempeo de procesos (Lee y colegas, 2013).
Igualmente, Loch y Wu (2008) sugieren que ciertos conceptos, como las habilidades de las
personas y las relaciones entre grupos son los ejes centrales de la administracin del rendimiento
en operaciones y procesos (Lee y colegas, 2013). En consecuencia, el enfoque con respecto a
cmo debe realizarse un trabajo en las organizaciones ha ido del mbito individual al mbito
grupal (Devine y colegas, 1999), siendo la eficacia y potencia de equipo los principales
determinantes del desempeo de todo un equipo de trabajo (Gully y colegas, 2002). El nivel de
confianza derivado de los altos niveles de eficacia y potencia conlleva una mayor capacidad para
enfrentar circunstancias hostiles en el entorno empresarial (Gully y colegas, 2002). Aunque suelen
asociarse estos conceptos al campo de la administracin de equipos operacionales, la medicin de
desempeo de grupos de trabajo ha sido abordado de forma superficial en la literatura cientfica, y
en la actualidad no existen estudios empricos que profundicen en los atributos de equipos
multinivel en la organizacin (Lee y colegas, 2013). Asimismo, los efectos de los atributos
negativos de un grupo de trabajo no se han examinado suficientemente, motivo por el cual Lee y
colegas (2013) investigaron empricamente los atributos de un equipo de trabajo y sus
implicaciones en el rendimiento entre los equipos de servicios operativos (Lee y colegas, 2013).
Este aporte permiti formalizar y estandarizar un conjunto de atributos en el contexto
organizacional, aunque la recoleccin de datos tuvo lugar a travs de una encuesta transversal, lo
cual fue una limitante al momento de establecer relaciones de causa-efecto entre las diferentes
variables involucradas (Lee y colegas, 2013). De igual manera, en este estudio slo fueron
considerados algunos atributos grupales, motivo por el cual el impacto de factores como el
aprendizaje y la innovacin no fue tenido en cuenta en los resultados finales (Lee y colegas, 2013).
Finalmente, dichos resultados estuvieron sustentados en gran medida en las percepciones de
quienes participaron en la investigacin, lo cual incidi en la confiabilidad de este estudio (Lee y
colegas, 2013).
Desde el punto de vista de seguridad, los programas HSEE usualmente resultan muy tiles en la
reduccin de lesiones en el lugar de trabajo, prevencin de problemas de salud y minimizacin de
efectos severos en el ambiente (Azadeh y colegas, 2013). Al respecto, se conocen mltiples
trabajos enfocados en la implementacin de controles internos, la puesta en marcha de acciones
para la optimizacin de la relacin entre ergonoma y factores tales como las condiciones de
trabajo, la implementacin de normas de gestin de calidad, mejoramiento continuo y el diseo
de modelos macroergonmicos integrados (Azadeh y colegas, 2013). Entre tanto, otros trabajos se
han enfocado en el desarrollo de algoritmos y mtodos avanzados de pronstico y prediccin de
carga asociada al trabajo en sistemas complejos (Azadeh, 2013). Un claro ejemplo de aplicacin de
mtodos avanzados es el estudio desarrollado por Azadeh y colegas (2013), el cual dio como
resultado el diseo de un algoritmo flexible y adaptativo que permite predecir la carga de trabajo
asociada a un proceso o actividad. Este algoritmo est sustentado en el diseo de un sistema
inteligente que combina redes neuronales y lgica difusa, con resultados superiores en trminos
de confiabilidad frente a otras tcnicas, (Azadeh y colegas, 2013) en virtud de su elevada
capacidad para representar de manera fidedigna la complejidad de procesos altamente no lineales
y la incorporacin de conceptos imprecisos o subjetivos.
Por otra parte, la adopcin de programas de entrenamiento en ergonoma es una medida muy
valorada en el entorno empresarial para la implementacin de medidas orientadas a la reduccin
de lesiones y accidentes en el ambiente de trabajo (Querelle y colegas, 2012; Yuan, 2012; Korunka
y colegas, 2010). Estos programas no slo estn enfocados en educar, sino tambin en involucrar
al personal en la identificacin, anlisis y resolucin de problemas ergonmicos (King y colegas,
1997). En tal sentido, Korunka y colegas (2010) identificaron los principales factores que afectan la
Por ltimo, las auditoras de seguridad en los sistemas de trabajo se constituyen en un importante
mtodo para medir el efecto de potenciales errores existentes en el sistema antes de manifestarse
sus consecuencias en el entorno de trabajo (Hsiao y colegas, 2013). En particular, es reconocido el
gran valor de las herramientas de auditora que son validadas frente al desempeo real del
sistema (Hsiao y colegas, 2013); en la prctica, no es frecuente que dichas herramientas sean
validadas en relacin con su capacidad para predecir el comportamiento futuro de un sistema de
trabajo en materia de seguridad (Hsiao y colegas, 2013). Asimismo, el concepto de error humano
no es considerado y adoptado en los sistemas de auditora (Hsiao y colegas, 2013), mientras que
cada vez es ms relevante el anlisis y prediccin de errores humanos en la valoracin de la
seguridad de los sistemas productivos, bajo la influencia de un marco integral que permita analizar
e involucrar las influencias organizacionales, las condiciones asociadas a actos inseguros, la
supervisin insegura de los procesos y violaciones a las reglas que rigen los procesos (Hsiao y
colegas, 2013).
papel del conflicto entre tareas en el desempeo de grupos de trabajo y sus implicaciones desde el
punto vista terico y prctico. En un estudio publicado por estos autores se comprob esta
hiptesis, empleando datos obtenidos de 117 grupos de trabajo en tres horizontes de tiempo,
demostrando cmo la composicin de un equipo puede afectar la relacin entre los conflictos de
tareas y el desempeo de grupo (Bradley y colegas, 2013). Sin embargo, la investigacin no abord
las relaciones de causalidad entre los efectos de moderacin y los resultados finales.
Adicionalmente, el estudio slo explor los cinco factores de personalidad reconocidos en la
literatura cientfica, motivo por el cual los autores recomiendan incluir factores adicionales que
tengan efectos potenciales en el desempeo de grupo.
En el estudio de dichos factores es usual el empleo de mtodos ergonmicos, los cuales pueden
clasificarse como mtodos analticos y mtodos evaluativos. Los mtodos analticos se enfocan en
la comprensin de los mecanismos y procesos propios de un sistema de trabajo, mientras que los
mtodos evaluativos conciernen a la medicin de parmetros especficos en el sistema (Phipps y
colegas, 2011). En tal sentido, la clasificacin propuesta por Annett (2002) hace especial nfasis en
la modelacin de actividades asociadas a la realizacin de una tarea, lo cual es catalogado como
una caracterstica propia de las tcnicas analticas (Phipps y colegas, 2011). Esto implica que el
valor de herramientas tan importantes como el Anlisis Jerrquico de Tareas (AHT, por sus siglas
en ingls) se entiende mejor en trminos de su capacidad para proporcionar informacin til sobre
el objeto de inters en lugar de su conformidad con los estndares psicomtricos de fiabilidad y
validez (Phipps y colegas, 2011). Los mtodos evaluativos, por su parte, estn sujetos a criterios
psicomtricos, lo cual va en contrava de la esencia propia del anlisis de tareas en trminos de
alta validez predictiva y baja confiabilidad (Phipps y colegas, 2011). Ante esta perspectiva, resulta
posible evaluar una tarea en trminos de consistencia y precisin para determinar la verdadera
naturaleza del sistema de trabajo o en trminos de capacidad para develar informacin cualitativa
confiable en relacin con dicho sistema (Phipps y colegas, 2011). Una muestra de ello es el estudio
realizado por Phipps y colegas (2011), en el cual se evalu empricamente un sistema de trabajo
bajo el enfoque analtico y evaluativo, llegando a la conclusin que los mtodos empleados tienen
una mayor utilidad en la estructuracin del anlisis acerca de una tarea que en los procesos de
asignacin de tareas a categoras especficas (Phipps y colegas, 2011). Adicionalmente, Phipps y
colegas (2011) han sugerido que las futuras investigaciones en este campo se centren en la
Otra de las herramientas ms utilizadas para el anlisis de desempeo y la minimizacin del error
humano es el Anlisis de Confiabilidad Humana (HRA, por sus siglas en ingls), el cual usualmente
es complementado por la Evaluacin de Riesgo Probabilstico (PRA, por sus siglas en ingls) (Boring
y colegas, 2010). Segn Podofillini y Dang (2013), HRA contribuye al anlisis de fallas humanas en
relacin con los factores ms relevantes y a la cuantificacin de las probabilidades de error en la
realizacin de tareas y procesos (Podofillini y Dang, 2013). En condiciones ideales, los modelos
empleados son desarrollados y validados mediante el uso de datos empricos (Podofillini y Dang,
2013); sin embargo, los esfuerzos en materia de recoleccin y validacin de datos slo se han
enfocado en la estimacin de las probabilidades de error en la ejecucin de tareas (Podofillini y
Dang, 2013). En particular, Podofillini y Dang (2013) resaltan la dificultad existente en materia de
recoleccin de datos cuando se aborda un problema asociado a la toma de decisiones o a la
realizacin de diagnsticos de tareas debido a la alta sensibilidad de las diferentes decisiones o
tareas frente a una amplia gama de variables (Podofillini y Dang, 2013). En consecuencia, es
altamente recomendable el empleo de otras tcnicas reconocidas como ATHEANA (A Technique
for Human Error Analysis), CESA (Comission Errors Search and Assessment) y MDTA (Misdiagnosis
Tree Analysis), las cuales permiten incorporar el juicio de expertos como elemento decisivo para la
modelacin y cuantificacin de la probabilidad de error (Podofillini y Dang, 2013). Tambin,
mtodos reconocidos como THERP (Technique for Human Error Rate Prediction), SPAR-H
(Standardized Plant Analysis Risk-Human Reliability Analysis), HEART (Human Error Assessment
and Reduction Techniques) y HRA Calculator han combinado el criterio de expertos con datos
empricos, los cuales permiten obtener probabilidades de error que se constituyen en valores de
referencia para la estandarizacin de tareas y para el respectivo anlisis bajo condiciones
especficas (Podofillini y Dang, 2013).
No obstante, la naturaleza del mtodo CREAM bsico conduce a la obtencin de una proyeccin
tcnica para la identificacin de los procesos que requieren un profundo nivel de anlisis (Bedford
y colegas, 2013), mientras que el mtodo CREAM extendido permite obtener un perfil de
funciones cognitivas a travs de la asignacin de una actividad cognitiva a cada una de las tareas
objeto de anlisis (Bedford y colegas, 2013). A partir de estos parmetros, finalmente se obtiene
una probabilidad cognitiva asociada a cada tarea incorporando conceptos como la lgica difusa y
redes neuronales y bayesianas (Bedford y colegas, 2013). Entre los aspectos presentados en el
ltimo estudio realizado por Bedford y colegas (2013) se encuentra el manejo de la variabilidad
asociada a la interpretacin de las diversas categoras de clasificacin de tareas y la consistencia
entre el mtodo CREAM bsico y extendido (Bedford y colegas, 2013). El principal aporte de este
estudio es el diseo de una nueva variacin del mtodo CREAM para mejorar su precisin,
especialmente en el Anlisis de Riesgo (Bedford y colegas, 2013).
realizacin de una tarea (Phipps y colegas, 2011). En este sentido, Stepperd (2000) recalc la
necesidad de representar las tareas desde una perspectiva cognitiva y comportamental, mientras
que Ornerod y Shepherd (2004) argumentaron que el anlisis de tareas, independiente del
mtodo utilizado, debe capturar los factores humanos (entrenamiento, experiencia y carga de
trabajo) y las restricciones operacionales (uso dado al sistema). Con la finalidad de dar respuesta a
los interrogantes planteados en torno a las tareas cognitivas y las aplicaciones de diseo, algunos
autores han propuesto algunas extensiones al mtodo HTA (Phipps y colegas, 2011), siendo SGT
(SubGoal Template Method) la extensin ms reconocida para analizar requerimientos y
especificaciones en un anlisis de tareas (Richardson y colegas, 1998; Phipps y colegas, 2011) y
facilitar las actividades de control en procesos complejos. Sin embargo, son pocos los estudios que
han empleado a fondo esta tcnica (Phipps y colegas, 2011).
En contraste, SRK (Skills Rules Knowledge) resulta til en la evaluacin de desempeo humano,
empleando un sistema de clasificacin multinivel basado en habilidades, reglas y conocimientos en
torno a un proceso (Phipps y colegas, 2011). Segn los fundamentos de este mtodo, cada uno de
los niveles de actividad involucra un esfuerzo cognitivo cada vez mayor, en el cual el usuario del
proceso debe apelar a una regla conocida, a procedimientos de emergencia previamente
establecidos o participar en la bsqueda de una solucin novedosa basada en el conocimiento
(Phipps y colegas, 2011; Sun y colegas, 2012). Bajo este enfoque, el modelo SRK ha sido
ampliamente aplicado al estudio del desempeo humano y el error asociado a su actuacin
(Phipps y colegas, 2011). Este es el caso de la variante GEMS (Generic Error Modelling Framework),
la cual permite analizar y relacionar los niveles de desempeo con los factores asociados a errores.
Una ventaja particular de este mtodo es la posibilidad de cuantificar errores cognitivos; sin
embargo, se cuestiona su utilidad para la identificacin de alternativas de reparacin de este tipo
de errores, aunque suministra elementos de juicio para el diseo de interfaces que optimizan el
desempeo y la confiabilidad en un rea determinada (Phipps y colegas, 2011).
Aunque HRA y las variantes aqu descritas han demostrado su eficacia en las mediciones de
desempeo humano, algunos autores reconocen la necesidad de mejorar an ms la base
cientfica de este mtodo. Esto ha dado lugar a una serie de esfuerzos de investigacin
independientes para reunir datos empricos, aplicar esquemas de validacin y mejorar los modelos
tericos de actuacin humana utilizados en HRA (Groth y Mosleh, 2012). En el trabajo realizado
por Groth y Mosleh (2012) se presenta una metodologa para la cuidadosa combinacin de
mltiples fuentes de datos empricos con modelos tericos validados para mejorar las aplicaciones
cualitativas y cuantitativas de HRA. Dichos autores abordan el problema de la existencia de
estndares asociados a los principales Factores Influyentes en el Desempeo (PIF, por sus siglas en
ingls) y los Factores Reguladores de Desempeo (PSF, por sus siglas en ingls), para los cuales no
se haba establecido una definicin y comparacin consistentes bajo diferentes mtodos (Groth y
Mosleh, 2012). Entre los factores analizados se encuentra el estrs, la capacidad cognitiva, las
percepciones, el nivel de autoconfianza, la capacidad de resolucin de problemas y la cohesin en
el equipo de trabajo; sin embargo, los autores reconocen que algunos de los potenciales factores
no estuvieron representados a cabalidad en los datos recolectados y que los diferentes tipos de
error (individuales y grupales) no fueron analizados uniformemente a lo largo de la realizacin del
estudio (Groth y Mosleh, 2012).
Frente a las limitaciones propias del mtodo HRA en cuanto a su capacidad para representar la
naturaleza no binaria del comportamiento humano y las interacciones casuales entre hombre y
mquina, las redes bayesianas simples (BN, por sus siglas en ingls) han sido reconocidas como un
marco matemtico ideal para la modelacin del desempeo humano (Groth y Swiler, 2013). Su
efectividad radica en la capacidad para incorporar informacin cualitativa y cuantitativa
proveniente de diversas fuentes y para modelar la interdependencia entre diferentes variables
asociadas (Groth y Swiler, 2013). De igual manera, es una herramienta particularmente til
cuando se requiere conocer la confiabilidad de un sistema y sus componentes (Bensi y colegas,
2013). No obstante,
mejoramiento continuado de las variantes del mtodo HRA, las cuales son reconocidas en el
mbito investigativo mas no en el mbito prctico (Groth y Swiler, 2013). Por tal motivo, Groth y
Swiler (2013) han desarrollado una variante del mtodo SPAR-H a partir del uso de redes
bayesianas, lo cual dio como resultado un mtodo robusto que permite la retroalimentacin
involucrando diversas fuentes de informacin organizacionales. Adicionalmente, Peng-cheng y
colegas (2012) propusieron una variante de este modelo ( la red bayesiana difusa) para mejorar la
cuantificacin de las influencias organizacionales en el desempeo humano. En primer lugar, los
autores elaboraron un marco conceptual causal para analizar las relaciones entre posibles factores
organizacionales y el error humano asociado (Peng-cheng y colegas, 2012). A partir de este marco
se procedi a disear un modelo de inferencia de probabilidad, involucrando la combinacin de
todas las potenciales causas (Peng-cheng y colegas, 2012). Sin embargo, dicho estudio no
consider algunos factores que podran resultar relevantes en un contexto determinado y su
robustez y validez puede ser mejorada a travs de la aplicacin de tcnicas complementarias como
la simulacin para mejorar medidas clave como la incertidumbre probabilstica y la imprecisin
(Peng-cheng y colegas, 2012).
imprecisas han sido objeto de estudio en lo que respecta a la aplicacin de lgica difusa, intervalos
de incertidumbre y otros aspectos relacionados (Beer y colegas, 2013). Sin embargo, en la prctica
de la ingeniera an se emplean los mtodos probabilsticos tradicionales, aunque acreditan baja
precisin y confiabilidad (Beer y colegas, 2013). Esta tendencia se debe a la necesidad de
desarrollar algoritmos eficientes y metodologas para su adecuada implementacin, (Beer y
colegas, 2013) lo cual contribuir a un mejoramiento de las bases cientficas que sustentan los
mtodos y modelos actuales.
Cul debe ser el diseo ptimo para una herramienta de medicin y prediccin de desempeo
humano que garantice altos niveles de confiabilidad y precisin?
Otras preguntas secundarias a las que se espera dar respuesta en este estudio son las siguientes:
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECFICOS
METODOLOGA PROPUESTA
Fase I. Diseo de metodologa
En esta fase se realizar un inventario de las herramientas y modelos disponibles en la literatura
cientfica para el diseo de una herramienta robusta de prediccin de desempeo de factores
humanos. El diseo de la metodologa se centrar en la elaboracin de un inventario preliminar de
variables, factores y elementos a considerar en esta investigacin, el diseo de formatos para la
recoleccin de datos, definicin inicial de mtodos de anlisis a emplear, diseo de modelos y
algoritmos, lenguajes y aplicaciones a utilizar para su implementacin computacional y la
formulacin de posibles alternativas de manipulacin y organizacin de informacin segn la
calidad y oportunidad de los datos a obtener.
CRONOGRAMA
2014
Id.
2015
2016
Nombre de tarea
Feb
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
RESULTADOS/PRODUCTOS ESPERADOS
Los productos derivados de esta investigacin son:
a) Metodologa para el estudio y anlisis integral de factores asociados al desempeo
humano en el contexto organizacional o empresarial.
b) Bases de datos para la continuidad futura de estudios de esta ndole.
c) Modelo integral de lgica difusa estocstica para la prediccin de desempeo humano y
variables asociadas.
d) Herramienta robusta para la prediccin de desempeo de equipos de trabajo.
e) Aplicacin programada de la herramienta.
f)
BIBLIOGRAFA
Agrawal, V. (2012). Managing the diversified team: challenges and strategies for improving
performance. Team Performance Management, 18(7/8), 384-400.
Azadeh, A., Rouzbahman, M., Saberi, M., Valianpour, F., & Keramati, A. (2013). Improved
prediction of mental workload versus HSE and ergonomics factors by an adaptive intelligent
algorithm. Safety Science, 58, 59-75.
Azadeh, A., Saberi, M., Rouzbahman, M., & Saberi, Z. (2012). An intelligent algorithm for
performance evaluation of job stress and HSE factors in petrochemical plants with noise and
uncertainty. Journal of Loss Prevention in the Process Industries.
Azadeh, A., Fam, I. M., Khoshnoud, M., & Nikafrouz, M. (2008). Design and implementation of a
fuzzy expert system for performance assessment of an integrated health, safety, environment
(HSE) and ergonomics system: The case of a gas refinery. Information Sciences, 178(22), 42804300.
Bedford, T., Bayley, C., & Revie, M. (2013). Screening, sensitivity, and uncertainty for the CREAM
method of Human Reliability Analysis. Reliability Engineering & System Safety.
Beer, M., Ferson, S., & Kreinovich, V. (2013). Imprecise probabilities in engineering
analyses. Mechanical Systems and Signal Processing.
Bensi, M., Kiureghian, A. D., & Straub, D. (2012). Efficient Bayesian network modeling of
systems. Reliability Engineering & System Safety.
Berthelette, D., Leduc, N., Bilodeau, H., Durand, M. J., & Faye, C. (2012). Evaluation of the
implementation fidelity of an ergonomic training program designed to prevent back pain. Applied
Ergonomics, 43(1), 239-245.
Bhat, A. B., Verma, N., Rangnekar, S., & Barua, M. K. (2012). Leadership style and team processes
as predictors of organisational learning. Team Performance Management, 18(7/8), 347-369.
Bradley, B. H., Klotz, A. C., Postlethwaite, B. E., & Brown, K. G. (2013). Ready to rumble: How team
personality composition and task conflict interact to improve performance. Journal of Applied
Psychology, 98(2), 385.
Cruz-Ortiz, V., Salanova, M., & Martinez, I. M. (2013). Liderazgo transformacional y desempeno
grupal: unidos por el engagement grupalTransformational leadership and team performance:
Linked by teamwork engagement. Revista de Psicologa Social, 28(2), 183-196.
Groth, K. M., & Mosleh, A. (2012). A data-informed PIF hierarchy for model-based human
reliability analysis. Reliability Engineering & System Safety.
Groth, K. M., & Swiler, L. P. (2013). Bridging the gap between HRA research and HRA practice: A
Bayesian network version of SPAR-H. Reliability Engineering & System Safety.
Hsiao, Y. L., Drury, C., Wu, C., & Paquet, V. (2012). Predictive models of safety based on audit
findings: Part 1: Model development and reliability.Applied Ergonomics.
Ibrahim, K. I., Costello, S. B., & Wilkinson, S. (2013). Key Practice Indicators of Team Integration in
Construction Projects: A Review. Team Performance Management, 19(3/4), 1-1.
Jaca, C., Viles, E., Tanco, M., Mateo, R., & Santos, J. (2013). Teamwork effectiveness factors in
healthcare and manufacturing industries. Team Performance Management, 19(3/4), 222-236.
John, B. E., Patton, E. W., Gray, W. D., & Morrison, D. F. (2012, September). Tools for Predicting
the Duration and Variability of Skilled Performance without Skilled Performers. In Proceedings of
the Human Factors and Ergonomics Society Annual Meeting (Vol. 56, No. 1, pp. 985-989). SAGE
Publications.
Korunka, C., Dudak, E., Molnar, M., & Hoonakker, P. (2010). Predictors of a successful
implementation of an ergonomic training program. Applied ergonomics, 42(1), 98-105.
Lee, P. K., To, W. M., & Yu, B. T. (2013). Team attributes and performance of operational service
teams:
An
empirical
taxonomy
development. International
Journal
of
Production
Li, P. C., Chen, G. H., Dai, L. C., & Zhang, L. (2012). A fuzzy Bayesian network approach to improve
the quantification of organizational influences in HRA frameworks. Safety Science, 50(7), 15691583.
Phipps, D. L., Meakin, G. H., & Beatty, P. C. (2011). Extending hierarchical task analysis to identify
cognitive demands and information design requirements. Applied ergonomics, 42(5), 741-748.
Podofillini, L., & Dang, V. N. (2013). A Bayesian Approach to Treat Expert-Elicited Probabilities in
Human Reliability Analysis Model Construction.Reliability Engineering & System Safety.
Querelle, L., Duwelz, M., Beaujouan, J., & Pignault, A. (2012). Active participation in preventionist
professional practices: a specific ergonomics training course. Work: A Journal of Prevention,
Assessment and Rehabilitation, 41, 5189-5195.
Rajabalinejad, M. (2010). Bayesian Monte Carlo method. Reliability Engineering & System
Safety, 95(10), 1050-1060.
Rutti, R. M., Ramsey, J. R., & Li, C. (2012). The role of other orientation in team selection and
anticipated performance. Team Performance Management,18(1/2), 41-58.
Santos, C. M., & Passos, A. M. (2013). Team mental models, relationship conflict and effectiveness
over time. Team Performance Management, 19(7/8), 5-5.
Sun, Z., Li, Z., Gong, E., & Xie, H. (2012). Estimating human error probability using a modified
CREAM. Reliability Engineering & System Safety, 100, 28-32.
Yuan,
L.
(2012).
Reducing
Ergonomic
Injuries for
Librarians Using
Participatory