礦工安全注意力影響因素的SEM研究*

尹忠愷，施鳳冉，李乃文，牛莉霞

(遼寧工程技術大學 工商管理學院，遼寧 葫蘆島 125105)

0　引言

美國安全工程師海因里希經過大量研究，認為事故的發(fā)生存在著“88∶10∶2”規(guī)律，即在100起事故中，有88起事故純屬人為的因素，有10起事故是人為和物的不安全狀態(tài)綜合造成的，只有2起事故是人難以預防的，數(shù)據(jù)表明：不安全行為所導致的煤礦事故占事故總量的97%以上[1]。許多學者認為安全注意力下降是導致不安全行為的主要因素之一[2-4]，因此開始借助行為安全理論研究煤礦員工不安全行為[5]，研究礦工安全注意力[6-7]。

Kahneman[8]從金融學的視角提出“有限注意力”使得個體在處理稀缺認知資源時分配給某一任務的資源增加，必然導致分配于其他任務的資源減少。注意力對行為決策的影響成為組織行為學和管理學研究的核心問題之一[9]。在安全注意力的影響因素方面，李乃文[2,6]基于情境認知的角度，構建安全注意力AGENT模型，揭示工作收尾階段員工安全注意力提升的演化機理；在對高危崗位員工安全注意力影響機制進行仿真研究時，作者基于系統(tǒng)動力學理論構建高危崗位員工安全注意力的影響因素系統(tǒng)模型；王春雪[10]將噪聲作為影響安全注意力的因素進行實證分析，探究該影響因素的有效性。在安全注意力測量方面，李勝江[11]對駕駛人視覺注意力分散檢測方法進行研究，建立基于支持向量機的駕駛人視覺注意力分散檢測模型，并進一步提出考慮長注視行為的多特征信息判斷規(guī)則；田水承[12]將行為數(shù)據(jù)采集系統(tǒng)、注意力集中能力定儀、基礎信號分析系統(tǒng)等相結合，構建噪聲場景個體行為能力測試系統(tǒng)。但現(xiàn)有研究多以實驗的方法從靜態(tài)、單一角度探析安全注意力指標的測量及其對安全行為、安全決策的影響，但對礦工安全注意力影響因素作用路徑缺乏系統(tǒng)地分析。

綜上所述，本文以礦工為研究對象，把安全注意力作為研究側重點，將礦工安全注意力作用路徑看成具有多重影響因子的復雜動態(tài)反饋系統(tǒng)，構建修正后的礦工安全注意力影響因素結構方程作用路徑圖，以期明確安全注意力的影響機理，為礦工失誤行為的管理策略提供切入點。

1　礦工安全注意力影響因素的理論模型構建

1.1　礦工安全注意力衡量指標提取

本文的研究對象是礦工個體安全注意力，煤礦作業(yè)環(huán)境具有較強的復雜性和危險性，筆者不考慮安全注意力的特殊性，在文獻研究基礎上[13-18],對近十年井下小傷亡大概率人因事故進行質性分析，提取礦工安全注意力的主要外顯行為表現(xiàn)，歸納出衡量礦工安全注意力的A，B，C 3類指標，分別是注意專注度、注意廣度、注意轉移度，各類指標下的因子具體如表1所示。

表1　礦工安全注意力衡量指標體系

1.2　礦工安全注意力影響因素分析

李乃文[2，7]、王玉偉[19]將注意力影響因素歸納為個人因素、機械設備、作業(yè)環(huán)境3大層面。李乃文[2]在進行高危崗位礦工安全注意力影響機制仿真研究時，進行了煤礦企業(yè)內部人、環(huán)、管三方面因素分析，認為高危崗位礦工在工作時段的安全注意力系統(tǒng)是工作環(huán)境、安全管理和員工個體三個層面因素交互作用的影響。在此基礎之上，本文將安全信息刺激、安全監(jiān)管、礦工安全意識、礦工工作疲勞作為主要的影響因素，著重分析這4個影響因素對礦工安全注意力的影響作用路徑。

1.3　礦工安全注意力影響因素理論模型及假設

1.3.1礦工安全注意力影響因素理論模型

本文除了研究礦工安全注意力影響因素對礦工安全注意力的影響之外，還要研究礦工安全注意力A，B，C 3類衡量指標之間的相關作用關系。

1)礦工安全注意力影響因素與A，B類衡量指標的關系

礦工安全意識對A類衡量指標的影響較大，工作年限、工作經驗、操作熟練程度越高會使得礦工安全意識隨之增加，繼而安全注意力的專注度就會越高；礦工工作疲勞對A，B類衡量指標都有影響，工作疲勞使得礦工在注意專注度能力方面受限，疲勞的閾值越高，專注度水平就越低，但相反的是，信息獲取范圍會越大，廣度就越高；安全信息刺激與B類衡量指標存在相關關系，隨著安全信息刺激的頻率、安全信息刺激強度的增加，注意的廣度也會增加。

2)安全監(jiān)管與B，C類衡量指標的關系

安全監(jiān)管可以涵蓋巡查次數(shù)、行為糾正頻率等，當安全監(jiān)管的重要性得到重視，安全監(jiān)管的力度和頻率加強，就會在礦工安全注意轉移產生正面刺激作用，限制有礦工自身引發(fā)的安全注意力動態(tài)配置，同時也會在注意轉移前期起到警示作用。由此可見，強化安全監(jiān)管的作用，就會相應縮小礦工安全注意力獲取正?；蛘弋惓Ｐ畔⒌姆秶?，從而降低注意廣度，二者之間存在負相關關系。

3)A，B，C 3類衡量指標間的關系

注意廣度體現(xiàn)的是注意的空間范圍特點，主要的衡量標準是在一定時間期限范圍內，清楚地覺察或認識客體的數(shù)量。注意專注度體現(xiàn)的是個體意識對當期識別某一客體之后，繼續(xù)深入的認識程度的屬性特征，而注意的轉移是在無意或者有意的情況下，注意從前期注意的客體轉移到當期新客體的現(xiàn)象。礦工安全注意力是礦工在外界刺激和自身認知作用下以有意方式預防和控制工作過程中的危險和潛在隱患，以實現(xiàn)安全保障的能力，存在于作業(yè)安全信息“獲取—理解—應對”全過程。注意專注度的提升，會縮小注意的廣度，也會降低注意轉移的幾率。

基于上述邏輯分析，本文提出礦工安全注意力影響因素對礦工安全注意力的作用路徑概念模型，見圖1。

圖1　礦工安全注意力影響因素作用路徑概念模型模型Fig.1　Miners safety attention influencing factors path conceptual model model

1.3.2研究假設提出

基于上述分析和作用路徑概念模型圖的闡述，本文的研究假設如下所述：

H1：礦工安全注意力影響因素對A，B，C 3類衡量指標有直接影響。

H1a：礦工安全意識對A類衡量指標有影響，礦工安全意識越高，注意專注度就越高。

H1b：礦工工作疲勞對A類衡量指標有影響，礦工疲勞程度越高，注意專注度就會降低。

H1c：礦工工作疲勞對B類衡量指標有影響，礦工疲勞程度越高，注意廣度就會降低。

H1d：安全信息刺激對B類衡量指標有影響，強化安全信息刺激作用，會增加注意廣度。

H1e：安全監(jiān)管對B類衡量指標、C類衡量指標有影響，強化安全監(jiān)管的作用，會降低注意廣度，降低注意轉移的幾率。

H2：A，B，C 3類衡量指標之間相互影響。

H2a：A類衡量指標對B類衡量指標產生影響，注意專注度越高，注意范圍越小。

H2b：A類衡量指標對C類衡量指標產生影響，專注度越高，轉移度就越低。

H2c：C類對B類衡量指標產生影響，轉移度增加會擴大注意力廣度的范圍。

2　礦工安全注意力影響因素數(shù)據(jù)分析

2.1　研究工具與對象

本文數(shù)據(jù)采用前期編制的礦工安全注意力問卷調查獲取[15]，問卷的設計按照心理測量學要求，根據(jù)安全注意力行為能力屬性編制，采用李克特5級計分，1代表非常不符合，5代非常符合，得分越高說明程度越高。問卷調查采用多區(qū)域多階段分層隨機抽樣法，首先將選定的煤礦企業(yè)按照工種進行歸類劃分，再根據(jù)簡單隨機原則隨機抽取3位以上匿名回答問卷進行前測。初測發(fā)放問卷200份，回收有效問卷137份，有效率約為68. 5%。正式施測發(fā)放問卷500份，回收有效問卷為418份，有效率約為83.6%。

采用SPSS17.0軟件進行描述統(tǒng)計及信效度分析，利用AMOS17.0軟件進行假設模型檢驗。信效度驗證結果為：χ2/df=3.174，CFI=0.931，GFI=0.916，IFI=0.954，NFI=0.913，RMSEA=0.07，擬合指標均在理想值范圍內，問卷具有良好的信效度。

2.2　數(shù)據(jù)結果與分析

為驗證所設計的變量是否適合進入結構方程模型，本文主要通過檢驗收斂效度，分析顯變量對潛變量的測度效果及顯變量之間、潛變量之間的差異性。表2各測度項CFA模型擬合效果統(tǒng)計值說明該測量工具有較好的信效度，測量方程模型擬合效果也符合要求。

表2　各個測度項CFA模型的擬合效果

表3顯示，測量方程模型中顯變量的因子載荷絕對值大于0.7，且達到了顯著性水平，由此得出，所有的顯變量與其潛變量有著顯著的相關關系，測量方程模型中的潛變量具有良好的收斂效度。

表3　各個測度項CFA模型的回歸參數(shù)估計

3　礦工安全注意力影響因素SEM模型構建

3.1　SEM模型構建

本文運用AMOS17.0軟件，構建的結構方程模型(SEM)路徑圖如圖2所示，由表4結構方程擬合檢驗結果可見，χ2/df值為59.68，不符合小于3的標準；GFI，NFI，CFI和IFI等都小于標準值0.9，RMSEA大于0.06。該檢驗結果中，大部分檢驗指標都與標準值有差別，說明初始模型與數(shù)據(jù)擬合結果并不理想，繼而要進一步改進初始結構方程模型。從修正后的SEM指標數(shù)值(χ2/df=1.729，CFI=0.976，GFI=0.961，IFI=0.987，NFI=0.963，RMSEA=0.036)，可以看出指標中雖然有不理想的，但尚且在可接受范圍之內，修正后的模型擬合情況良好。

圖2　初始SEM的路徑Fig.2　The Initial SEM path graph

如表4所示，該模型參數(shù)標準化估計值處于0.95以下，CR的絕對值大于1.96，參數(shù)估計值的標準差都大于零，符合測量誤差不能有負值、因子載荷適中、檢驗值達到顯著性水平的基本擬合標準。

表4　修正后SEM測量方程模型的參數(shù)估計

3.2　假設檢驗

由表5所示的修正后的結構方程模型中各潛變量之間路徑關系系數(shù)值，對前文所提出的研究假設進行真?zhèn)涡耘袛嗯c驗證，具體分析如下：

H1a：礦工安全意識與A類衡量指標之間的路徑標準化估計值為0.008，臨界比值大于1.96，路徑系數(shù)在5%水平顯著。說明礦工安全意識與A類衡量指標之間存在路徑關系，礦工安全意識對A類衡量指標有直接影響。同理可證，H1b，H1c，H1d，H1e，H2a，H2b，H2c假設均成立。

表5　修正后SEM結構方程模型中各潛變量路徑關系的參數(shù)估計

3.3　討論

根據(jù)上述分析結果，本文得到修正后的礦工全注意力影響因素作用路徑概念模型，如圖3所示。

圖3　修正后的礦工安全注意力影響因素作用路徑概念模型Fig.3　The revised miners safety factors effect path conceptual model diagram

3.3.1礦工安全注意力影響因素與衡量指標

實證結果表明，礦工安全注意力影響因素對礦工安全注意衡量指標產生直接或者間接的影響。其中安全意識對A類衡量指標是正向影響；礦工工作疲勞對A類衡量指標是負向影響，對B類衡量指標是正向影響；安全信息刺激對B類衡量指標是正向影響；安全監(jiān)管對B，C類衡量指標均是負向影響，且4個影響因素中礦工工作疲勞對安全注意力的廣度(0.748)、礦工安全意識對安全注意力的專注度(0.713)影響較大。

3.3.2礦工安全注意力衡量指標之間

實證結果表明，礦工安全注意力衡量指標之間存在間接或直接關系。其中A類衡量指標對B，C類衡量指標均存在負向影響關系；C類衡量指標對B類衡量指標存在正向影響關系。且注意力的廣度、專注度以及轉移度之間的作用強度(-0.219，-0.064，0.166)相對較小。

4　結論

1)本文通過SEM分析，驗證了礦工安全注意力的影響因素礦工安全注意力的衡量指標之間、礦工安全注意力的衡量指標之間存在路徑關系。其中礦工工作疲勞對A，B2類衡量指標的最用最大，這與文獻[15]的研究結論一致。所以煤礦企業(yè)要注重礦工的生理、心理疲勞，建立提升安全注意力的機制。

2)本文構建了礦工安全注意力影響因素作用路徑概念模型圖，從理論上證實了本文所提取的安全注意力影響因素對三類衡量指標之間存在路徑關系，以及從煤礦企業(yè)適應性的角度，說明發(fā)揮安全注意力貫通式的作用，將有利于提高礦工安全行為績效。

3)本文的設計力求符合科學原則，但仍存在不足之處。本文是通過數(shù)據(jù)分析得出的作用路徑模型圖，尚未在煤礦企業(yè)進行實踐檢驗，因而模型在煤礦中具體運行及運行的效果還需要進一步探索，特別是模型運行需要采取什么樣的措施來保障，以及模型運行中各因素的閾值確定，在后續(xù)的研究中需要深入探討。

因而，在對煤礦企業(yè)進行安全管理時，生產技術的提升并不是唯一途徑，在研究人因失誤影響因素時，也充分利用影響因素的作用，提升礦工安全注意力，從而從減少人因失誤的角度降低煤礦不安全事故的發(fā)生。

[1]全國煤礦百萬噸死亡率直降74.8%[EB/OL].[2015-02-05].

[2]李乃文,冀永紅,陳香宇.高危崗位員工安全注意力影響機制仿真研究[J].中國安全科學學報,2014,24(3):16-21.

LI Naiwen,JI Yonghong,CHEN Xiangyu.Simulation of mechanism through which High-risk PositionEmployees' Safety Attention is Influenced[J].China Safety Science Journal,2014,24(3):16-21.

[3]Simon,H.A Administrative behavior:a study of decision-making processes in administrative organizations[M].New York:FreePress,1947.

[4]李琰,趙梓焱,田水承,等.礦工不安全行為研究綜述[J].中國安全生產科學技術,2016,12(8):47-54.

LI Yan,ZHAO Ziyi,TIAN Shuicheng, et al.Review of research on unsafe behavior of miners[J].Journal of Safety Science and Technology,2016,12(8):47-54.

[5]陳紅,祁慧,宋學鋒,等.煤礦重大事故中管理失誤行為影響因素結構模型[J].煤炭學報,2006,31(5):689-696.

CHEN Hong,QI Hui,SONG Xuefeng, et al. The structural model of affecting factors of management misconduct in coal mine fatal accidents in China[J]. Journalof China Coal Society,2006,31(5):689-696.

[6]吳建祖,王欣然,曾憲聚.國外注意力基礎觀研究現(xiàn)狀探析與未來展望[J].外國經濟與管理,2009,31(6):58-65.

WU Jianzu,WANG Xinran, ZENG Xianju. Abroad attention based view analysis research status and future prospects[J].Foreign Economics & Management,2009,31(6):58-65.

[7]李乃文,金洪禮.基于情境認知的安全注意力研究[J].中國安全科學學報,2013,9(23):58-63.

LI Naiwen,JIN Hongli.Study on safety attention based on situation cognition theory[J].China Safety Science Journal,2013,9(23):58-63.

[8]Kahneman,D.Attention and Effort[M].New Jersey:Prentice Hall,1973.

[9]王超,于超博,王敏.基于注意力分配的管制員調配飛行沖突認知過程研究[J].安全與環(huán)境學報,2016,16(4):205-209.

WANG Chao,YU Chaobo,WANG Min.On the cognitive process of the air traffic controllers for the growing flight conflicts based on the attention distribution[J].Journal of Safety and Environment,2016,16(4):205-209.

[10]王春雪,呂淑然.噪聲對安全注意力影響實驗研究[J].中國安全生產科學技術,2016,12(3):160-164.

WANG Chunxue,LYU Shuran.Experimental study on influence to safety attention by noise[J].Journal of Safety Science and Technology,2016,12(3):160-164.

[11]李勝江.駕駛人視覺注意力分散檢測方法研究[D].吉林:吉林大學,2015.

[12]田水承,李磊,鄧軍,等.基于BioLAB的礦工不安全行為與噪聲關系試驗研究[J].中國安全科學學報,2013,23(3):10-15.

TIAN Shuicehng,LI Lei,DENG Jun, et al.Experimental study on relationship between miners' unsafe behavior and noise based on BioLAB[J].China Safety Science Journal,2013,23(3):10-15.

[13]高平,傅貴.一起重大煤礦頂板事故行為原因研究[J].礦業(yè)安全與環(huán)保,2014,41(6):110-114.

GAO Ping,FU Gui.Research on behavioural causes of a major coal roof accident[J]. Mining Safety & Environmental Protection, 2014,41(6):110-114.

[14]田水承,寇猛,薛建文.礦工安全行為能力試驗研究[J].煤礦安全,2015,46(12):245-248.

TIAN Shuicheng,KOU Meng,XUE Jianwen.Test measurement on miners＇capacity of safety behaviors[J].Safety in Coal Mines,2015,46(12):245-248.

[15]牛莉霞,劉謀興,李乃文,等.工作倦怠、安全注意力與習慣性違章行為的關系[J].中國安全科學學報,2016,26(6):19-24.

NIU Lixia,LIU Mouxing,LI Naiwen, et al.Relationship among job burnout, safety attention and habitual violation behavior[J].China Safety Science Journal,2016,26(6):19-24.

[16]徐國峰.安全氛圍感知對礦工不安全行為影響研究[J].中國安全生產科學技術,2014,(S1):170-174.

XUE Guofeng.Studying in safety climate impacting on miners unsafe behavior[J].Journal of Safety Science and Technology,2014,(S1):170-174.

[17]王宗勝,李臘生.注意力配置的經濟學分析[J].中國工業(yè)經濟,2007,9(34):96-102.

WANG Zongsheng,LI Lasheng.An economic analysis on attention disposition[J].China Industrial Economy,2007,9(34):96-102.

[18]趙亮,劉浩學.駕駛行為特性與人格特征關系研究[J]. 中國安全生產科學技術,2016，12(8):171-177.

ZHAO Liang,LIU Haoxue.Study on relationship between driving behavior characteristics and personality traits[J].Journal of Safety Science and Technology,2016，12(8):171-177.

[19]王玉偉,易大方.影響大學生課堂注意力因素的調查[J].煤炭高等教育,2007,25(1):114-116.

WANG Yuwei,YI Dafang.Survey on factors influencing the undergraduates' attention in class[J]. Meitan Higher Education,2007,25(1):114-116.