Download PDF


Συγκεντρωτικά Αποτελέσματα

Στα επόμενα γραφήματα δίνονται συγκεντρωτικά αποτελέσματα της εκτιμώμενης Επικινδυότητας ανά Κίνδυνο αλλά και ανά Ειδικότητα των συμμετεχόντων.


Ραβδόγραμμα Συγκεντρωτικών Αποτελεσμάτων

Στο πιο κάτω ραβδόγραμμα αναγράφονται 3 ποσοστά για κάθε κίνδυνο. Αριστερά δίνεται το άθροισμα των ποσοστών Χαμηλής και Μικρής Επικινδυνότητας, δεξιά δίνεται το άθροισμα των ποσοστών Υψηλής και Πολύ Υψηλής Επικινδυνότητας, ενώ στο μέσον δίνεται το ποσοστό της Μεσαίας Επικινδυνότητας. Η παράθεση των Κινδύνων γίνεται κατά φθίνουσα τιμή του αθροίσματος των ποσοστών Υψηλής και Πολύ Υψηλής Επικινδυνότητας.


Κατανομές Συγκεντρωτικών Αποτελεσμάτων

Οι καμπύλες του παρακάτω γραφήματος (εκτιμήτριες πυκνότητας πυρήνα - Kernel Density Estimators) αποτελούν εξομαλυμένες αναπαραστάσεις των ιστογραμμάτων της Επικινδυνότητας κάθε κινδύνου. Στην απεικόνιση αυτή τα στοιχεία της κλίμακας Likert αντιμετωπίζονται ως συνεχείς μεταβλητές.


Θερμοχάρτης Συγκεντρωτικών Αποτελεσμάτων

Οι τιμές που εμφανίζονται στα αριστερά κάθε γραμμής του πιο κάτω θερμοχάρτη αναφέρονται στη Μέση Τιμή (Mean) και στην Τυπική Απόκλιση (SD) της Επικινδυνότητας κάθε Κινδύνου, υπό την παραδοχή ότι τα στοιχεία της κλίμακας Likert μπορούν να αντιμετωπιστούν ως συνεχείς μεταβλητές.


Ραβδόγραμμα Αποτελεσμάτων ανά Ειδικότητα

Στο επόμενο ραβδόγραμμα τα αποτελέσματα Επικινδυνότητας για κάθε κίνδυνο εμφανίζονται ξεχωριστά, ανάλογα με την ειδικότητα των συμμετεχόντων (Π/Μ, Η/Μ).


Μέσες τιμές και 95% Δ.Ε. Επικινδυνότητας ανά Κίνδυνο

Στο παρακάτω γράφημα δίνονται οι μέσες τιμές της εκτιμηθείσας Επικινδυνότητας (με μπλε χρώμα), υπό την παραδοχή ότι οι «αποστάσεις» μεταξύ των πέντε διακριτών επιπέδων ειναι ίσες ώστε να αντιμετωπιστούν ως συνεχείς αντί κατηγορικές μεταβλητές, καθώς και τα περιθώρια σφάλματος στην εκτίμηση της μέσης τιμής με 95% πιθανότητα. Επιπλέον, με πορτοκαλί χρώμα δίνονται οι αναπροσαρμοσμένες εκτιμήσεις με εναλλακτικό αλγόριθμο υπολογισμού της Επικινδυνότητας, στον οποίο η συμμετοχή της τιμής της Πιθανότητας είναι αυξημένη.


Ενδιαφέρον παρουσιάζει η αλλαγή κατάταξης των κινδύνων 20 και 21, όπου η αυξημένη συμμετοχή της Πιθανότητας υποδεικνύει την προτεραιότητα της εξασφάλισης μέσων αντιμετώπισης των περιστατικών έκτακτης ανάγκης έναντι της οργάνωσης για την αντιμετώπισή τους.

Οι αρχικές και εναλλακτικές εκτιμήσεις Επικινδυνότητας (στην κλίμακα 1 έως 5) υπολογίζονται συναρτήσει των συνδυασμών Πιθανότητας και Σοβαρότητας, σύμφωνα με τους παρακάτω θερμοχάρτες.


Έλεγχος Συσχετίσεων

Από τον έλεγχο συσχετίσεων μεταξύ των Πιθανοτήτων εμφάνισης των κινδύνων του ερωτηματολογίου προέκυψαν σημαντικές συσχετίσεις μεταξύ των παρακάτω ζευγών κινδύνων (δίνονται οι αριθμοί που τους αντιστοιχούν), κατά φθίνουσα σειρά συσχέτισης:

Οι υψηλές αυτές συσχετίσεις θα μπορούσαν ενδεχομένως να λαμβάνονται υπόψη κατά την εφαρμογή προληπτικών μέτρων για κάποιον από τους παραπάνω κινδύνους.


Σύγκριση εκτιμήσεων Επικινδυνότητας μέσω Θερμοχάρτη (Heatmap)

Οι τιμές Επικινδυνότητας (στη κλίμακα 1 έως 5), ανά συμμετέχοντα και Κίνδυνο, δίνονται χρωματικά στον παρακάτω διαδραστικό θερμοχάρτη. Ο θερμοχάρτης εδώ χρησιμοποιείται σε συνδυασμό με τα δεδρογράμματα, έτσι ώστε οι συμμετέχοντες (στις γραμμές) και οι κίνδυνοι (στις στήλες) να οργανώνονται σε ιεραρχική δομή, με βάση τις ομοιότητες που έχουν μεταξύ τους και τις ομάδες που σχηματίζονται (εμφανίζονται με διαφορετικό χρώμα έξι ομάδες στις γραμμές και τρεις ομάδες στις στήλες). Το ύψος κάθε «Π» στο δενδρόγραμμα είναι ανάλογο της απόστασης μεταξύ των δύο συστάδων που συγχωνεύονται.

Παρατηρήστε π.χ. ότι η ομάδα κινδύνων «ΟΛΙΣΘΗΣΕΙΣ / ΠΤΩΣΕΙΣ» (κίνδυνοι 5, 6, 7 και 8) εμπεριέχεται σε ενιαία συστάδα μαζί με τον κίνδυνο 1, εξαιτίας των παρόμοιων προφίλ επικινδυνότητας που παρουσιάζουν.


Ανάλυση Κυρίων Συνιστωσών

Η Ανάλυση Κυρίων Συνιστωσών είναι μια μέθοδος η οποία έχει ως στόχο να δημιουργήσει ένα μικρό αριθμό από γραμμικούς συνδυασμούς των αρχικών μεταβλητών (εδώ των Κινδύνων), έτσι ώστε οι γραμμικοί αυτοί συνδυασμοί να είναι ασυσχέτιστοι μεταξύ τους αλλά και να περιέχουν όσο γίνεται μεγαλύτερο μέρος της πληροφορίας που περιλαμβάνεται στις αρχικές μεταβλητές.

Η πρώτη κύρια συνιστώσα περιέχει τη μέγιστη δυνατή πληροφορία. Ακολουθεί η δεύτερη κύρια συνιστώσα με το αμέσως μεγαλύτερο ποσοστό πληροφορίας κ.ο.κ. Ως πληροφορία θεωρούμε το ποσοστό της συνολικής διασποράς που εμπεριέχεται στις αρχικές μεταβλητές.

Εφόσον επιτευχθεί η ανάλυση, αντί για τα αρχικά δεδομένα, μπορούμε να αναπαραστήσουμε γραφικά τις πρώτες κύριες συνιστώσες, έχοντας έτσι μια αξιόπιστη οπτική παρουσίαση των δεδομένων. (Για περισσότερα επί της μεθόδου δείτε εδώ)

Στη συνέχεια γίνεται εφαρμογή της μεθόδου επί των 21 μεταβλητών που αναπαριστούν την συνεπαγόμενη επικινδυνότητα και γίνεται ένας περιληπτικός σχολιασμός κάποιων εκ των συμπερασμάτων.


Στο γράφημα “Individuals factor map” δίδεται μια αναπαράσταση των “αποστάσεων” μεταξύ των προφίλ των ερωτηθέντων ως προς τις εκτιμήσεις επικινδυνότητας, με την ελάχιστη δυνατή “στρέβλωση”, ώστε να απεικονιστούν αυτές σε δύο μόνο άξονες. Ο οριζόντιος άξονας ταυτίζεται με την κατεύθυνση της μέγιστης μεταβλητότητας του νέφους των σημείων (στο χώρο των 21 διαστάσεων), ενώ ο κατακόρυφος στη μέγιστη μεταβλητότητα σε κατεύθυνση κάθετη σε αυτή του πρώτου άξονα. (Ο πρώτος κύριος άξονας, από μόνος του, ενσωματώνει περίπου το 44,5% της συνολικής μεταβλητότητας, ενώ άλλο ένα 13% περίπου περιλαμβάνεται στο 2ο κύριο άξονα).

Στην πρώτο κύριο άξονα βλέπουμε ότι η μέγιστη διαφοροποίηση παρατηρείται μεταξύ των ερωτηθέντων Νο3 από τη μία και Νο17 και Νο22 από την άλλη, ενώ στο δεύτερο μεταξύ των Νο22 και Νο23 από τη μία και Νο10 από την άλλη. Οι συμμετέχοντες που εμφανίζονται κοντά στην αρχή των αξόνων είχαν τις πλησιέστερες στο μέσο όρο εκτιμήσεις.

Τη μεγαλύτερη συμμετοχή στη διαμόρφωση του πρώτου άξονα έχουν οι επικινδυνότητες των κινδύνων 1, 9, 10, 6 και 21 και σε αυτούς προφανώς έχουν προκύψει υψηλές τιμές επικινδυνότητας από τους ερωτηθέντες με υψηλές τιμές στον άξονα αυτό (π.χ. Νο22, Νο17 και Νο11).

Αντίθετα ο 2ος κύριος άξονας αντικατοπτρίζει κυρίως τη διαφοροποίηση μεταξύ της επικινδυνότητας των 15, 18, 17, 19 και 13 με αυτής των 7, 6, 2 και 5. Προφανώς άτομα με αυξημένες θετικές τιμές στον κατακόρυφο άξονα εκτιμούν μεγαλύτερη επικινδυνότητα στην ομάδα των πρώτων σε σχέση με τους δεύτερους, ενώ άτομα με αυξημένες αρνητικές τιμές έχουν αντίθετη γνώμη. Η απεικόνιση των κατηγοριών των ποιοτικών μεταβλητών (φύλλο, Δ/νση, ειδικότητα) στο διάγραμμα γίνεται στο κέντρο βάρους των αντίστοιχων σημείων. Έτσι βλέπουμε ότι στον πρώτο κύριο άξονα έχουμε μεγαλύτερες, κατά μέσο όρο, τιμές από τους Η/Μ σε σχέση με τους Π/Μ, αλλά και από τις Γυναίκες σε σχέση με τους Άνδρες. Τα ελλειψοειδή εμπιστοσύνης αφορούν τις κατηγορίες της “Ειδικότητας”, όπου η διαφοροποίηση είναι σημαντικότερη. Παρατηρούμε ότι οι εκτιμήσεις των Π/Μ (μαύρο χρώμα) έχουν μεγαλύτερη ομοιογένεια από των Η/Μ (κόκκινο). Θα πρέπει όμως να έχουμε υπόψη ότι το μεγάλο ελλειψοειδές των τελευταίων οφείλεται και στο πολύ μικρότερο δείγμα.

Γενικά οι τιμές επικινδυνότητας για τους Η/Μ εμφανίζονται μεγαλύτερες στον πρώτο κύριο άξονα, ενώ στον δεύτερο οι τιμές επικινδυνότητας που έχουν αποδώσει στους κινδύνους 15, 19, 18, 17 και 13 υπερέχουν αυτών των 7, 6, 2 και 5 κατά μέσο όρο.


Πολυδιάστατη Kλιμάκωση

Με βάση το σύνολο των πληροφοριών «Πιθανότητας» και «Σοβαρότητας» της παρούσας έρευνας και με τη χρήση της μεθόδου Πολυδιάστατης Kλιμάκωσης (Multidimensional Scaling - MDS) δημιουργήθηκε μια αναπαράσταση ενός εικονικού δισδιάστατου χώρου με διακεκριμένα του σημεία τους συμμετέχοντες στην έρευνα. Η εγγύτητα των σημείων του χώρου αυτού είναι ανάλογη της ομοιότητας των επιλογών των συμμετεχόντων για την «Πιθανότητα» και «Σοβαρότητα» και των 21 Κινδύνων του ερωτηματολογίου. Έτσι, μικρές αποστάσεις ανάμεσα σε σημεία υποδηλώνουν μεγάλη ομοιότητα (μικρή ανομοιότητα) και αντίστροφα. Τα σημεία του γραφήματος έχουν χρωματιστεί ανάλογα με το φύλλο.


Ανάλυση κατά Συστάδες

Η Ανάλυση κατά Συστάδες (Cluster Analysis) εξετάζει πόσο όμοιες είναι κάποιες παρατηρήσεις, ή πιο συγκεκριμένα, πόσο συγγενείς είναι οι απόψεις των συμμετεχόντων στην έρευνα, με σκοπό να δημιουργήσει συστάδες (ομάδες) ατόμων με παραπλήσιες απόψεις. Η εφαρμογή της μεθόδου θα καταλήξει σε ένα βέλτιστο αριθμό ομάδων για τις οποίες τα άτομα μέσα σε κάθε ομάδα να έχουν όσο γίνεται πιο ομοιογενείς εκτιμήσεις, ενώ οι εκτιμήσεις ατόμων διαφορετικών ομάδων να διαφέρουν όσο γίνεται περισσότερο. Γίνεται έτσι ευκολότερος ο εντοπισμός των κυρίαρχων τάσεων στις απόψεις των συμμετεχόντων. Η διαδικασία δημιουργίας συστάδων που επιλέχθηκε είναι η ιεραρχική (hierarchical clustering) με συσσωρευτικό αλγόριθμο. (Για περισσότερα επί της μεθόδου δείτε εδώ)

Σημειώνεται ότι για τον υπολογισμό της ομοιότητας μεταξύ των απόψεων των συμμετεχόντων χρησιμοποιήθηκαν οι τιμές Πιθανότητας και Σοβαρότητας που είχαν συμπληρωθεί στα ερωτηματολόγια και όχι οι συνεπαγόμενες τιμές Επικινδυνότητας.

Το δενδρόγραμμα που δημιουργείται στην περίπτωσή μας έχει τη μορφή που φαίνεται στο παρακάτω σχήμα. Το ύψος κάθε «Π» παριστά την απόσταση μεταξύ των δύο συστάδων που συγχωνεύονται. Οι ομάδες που προέκυψαν διακρίνονται από τα χρωματιστά ορθογώνια, ενώ από κάτω φαίνονται οι κωδικοί των ατόμων που περιλαμβάνονται σε κάθε συστάδα.


Σύνθεση και Πληθυσμός των Συστάδων

Στο παρακάτω γράφημα απεικονίζεται η σύνθεση, ανά φύλλο και ειδικότητα, καθώς και ο πληθυσμός κάθε μιας συστάδας.


Χαρακτηριστικά Γνωρίσματα Συστάδων

Στα επόμενα τέσσερα γραφήματα απεικονίζεται η σύγκριση των μέσων τιμών κάθε συστάδας σε σχέση με το συνολικό μέσο του δείγματος, για κάθε μια από τις 21 τιμές Πιθανότητας Σοβαροτητας και Επικινδυνότητας. Οι τιμές αυτές είναι ταξινομημένες κατά μέγεθος για τον ευκολότερο εντοπισμό των αυξημένων ή μειωμένων εκτιμήσεων των ατόμων κάθε συστάδας.


Χαρακτηριστικά Συστάδας 1 σε σχέση με το Συνολικό Δείγμα



Χαρακτηριστικά Συστάδας 2 σε σχέση με το Συνολικό Δείγμα



Χαρακτηριστικά Συστάδας 3 σε σχέση με το Συνολικό Δείγμα



Χαρακτηριστικά Συστάδας 4 σε σχέση με το Συνολικό Δείγμα


Πολλαπλή Ανάλυση Αντιστοιχιών

Η πολλαπλή ανάλυση αντιστοιχιών χρησιμοποιείται για να μελετήσει δεδομένα σε ένα πίνακα παρατηρήσεων, τα οποία περιγράφονται από διάφορες κατηγορικές μεταβλητές. Η μέθοδος προσπαθεί να βρει την καλύτερη αναπαράσταση όλων των κατηγοριών των μεταβλητών αυτών σε ένα γράφημα, συνήθως 2 διαστάσεων, έτσι ώστε οι αποστάσεις ανάμεσα στα σημεία να αντιπροσωπεύουν τις διαφοροποιήσεις ανάμεσα στις κατηγορίες.

Όπως και στη μέθοδο των Κυρίων Συνιστωσών, στον πρώτο κύριο άξονα (οριζόντιο) ερμηνεύεται το μέγιστο δυνατό ποσοστό της συνολικής ανομοιογένειας. Ακολουθεί ο δεύτερος κύριος άξονας (κατακόρυφος) με το αμέσως μεγαλύτερο ποσοστό κ.ο.κ. Τα ποσοστά εδώ είναι μικρότερα από αυτά που προκύπτουν στη μέθοδο των Κυρίων Συνιστωσών, αλλά αυτό είναι αναμενόμενο και συνήθως δεν αποτελεί πρόβλημα.

Στο ίδιο διάγραμμα, μαζί με τις κατηγορίες (κόκκινα σημεία) θα εμφανίζονται και οι κωδικοί των ερωτηθέντων (με μπλε χρώμα) ώστε να προκύπτουν οι συσχετισμοί μεταξύ των ατόμων και των εκτιμήσεων που αυτά είχαν.

Ως προς την ερμηνεία του γραφήματος επισημαίνονται τα εξής: Όταν δύο σημεία που αντιστοιχούν σε ερωτηθέντες βρίσκονται κοντά το ένα στο άλλο σημαίνει ότι τα άτομα αυτά τείνουν να επιλέγουν τα ίδια επίπεδα των κατηγορικών μεταβλητών. Όταν δύο επίπεδα διαφορετικών κατηγορικών μεταβλητών βρίσκονται κοντά αυτό σημαίνει ότι τα επίπεδα αυτά τείνουν να επιλέγονται μαζί, από τους ερωτηθέντες. Από την άλλη μεριά, η εγγύτητα μεταξύ επιπέδων της ίδιας μεταβλητής σημαίνει ότι οι ομάδες των ατόμων που σχετίζονται με τα επίπεδα αυτά έχουν παρόμοια συμπεριφορά. Τέλος προσοχή πρέπει να δοθεί στην ερμηνεία της εγγύτητας ατόμου με κατηγορία. Εδώ η σύγκριση αποστάσεων δεν είναι δυνατή. Εντούτοις αν ένα μπλε σημείο είναι κοντά σε μια κατηγορία (κόκκινο σημείο), τότε ο συγκεκριμένος συνδυασμός πράγματι υποδηλώνει μια απόκλιση από την ανεξαρτησία. Το μόνο σημείο που απεικονίζεται με απόλυτη ακρίβεια στο διάγραμμα είναι η αρχή των αξόνων, που ταυτίζεται με το μέσο όρο των δεδομένων που μελετάμε. Έτσι μπορούμε να κρίνουμε κατά πόσον μια κατηγορία αποκλίνει από τη μέση συμπεριφορά.

Σε πολλά από τα διαγράμματα γίνεται ορατό το λεγόμενο “πέταλο” (horseshoe shape) ή “Guttman”-effect, το οποίο απαντάται συχνά όταν οι μεταβλητές είναι διατάξιμες, όπως εδώ. Στις περιπτώσεις αυτές ο ένας άξονας αντιμετωπίζει τα μικρότερα και τα μεγαλύτερα επίπεδα της μεταβλητής, ενώ ο άλλος τις ακραίες κατηγορίες με τις ενδιάμεσες. Ενδιαφέρον στη περίπτωση αυτή παρουσιάζει και το κατά πόσον τα επίπεδα μιας μεταβλητής διατάσσονται κατά μήκος ενός άξονα με τη «φυσική» τους σειρά. Αν συμβαίνει αυτό τότε υπάρχει ξεκάθαρη θετική συσχέτιση μεταξύ της μεταβλητής και του αντίστοιχου κύριου άξονα.

(Για περισσότερα επί της μεθόδου δείτε εδώ)

Στην περίπτωσή μας θα χρησιμοποιήσουμε τη μέθοδο για την απεικόνιση των κατηγοριών επικινδυνότητας των κινδύνων, οι οποίες λαμβάνουν τις τιμές:

Στα διαγράμματα οι κατηγορίες αυτές θα εμφανίζονται ξεχωριστά για κάθε κίνδυνο. Έτσι στα ονόματά τους θα περιλαμβάνεται και ο χαρακτηρισμός του κινδύνου τον οποίο αφορούν, μέσω ενός προθέματος της μορφής “Ε#_“, όπου # ένας αριθμός από το 1 έως το 21. Για να είναι ευδιάκριτα τα αποτελέσματα θα δημιουργηθεί ξεχωριστό διάγραμμα για κάθε ομάδα κινδυνων.


ΚΥΚΛΟΦΟΡΙΑ ΟΧΗΜΑΤΩΝ / ΜΗΧΑΝΗΜΑΤΩΝ / ΤΡΕΝΩΝ

Τη μεγαλύτερη συνεισφορά στον καθορισμό των 2 πρώτων κυρίων αξόνων έχουν οι επικινδυνότητες Ε3 και Ε4. Ο πρώτος άξονας αποκαλύπτει μία αντίθεση μεταξύ των εκτιμήσεων E3.R και E4.R από τη μια πλευρά και Ε2.χ, E3.χ και E4.χ από την άλλη. Γενικά, οι υψηλές επικινδυνότητες είναι στα θετικά και οι χαμηλές στα αρνητικά. Αντίστοιχα διαχωρίζονται και τα άτομα, με τον Νο11 να συσχετίζεται με τις περισσότερες υψηλές επικινδυνότητες στην ομάδα και τον Νο9 με τις περισσότερες χαμηλές.

Ο δεύτερος άξονας αποκαλύπτει μία αντίθεση μεταξύ των ακραίων εκτιμήσεων από τη μια πλευρά και των υψηλών και μεσαίων από την άλλη, όπως συνήθως συμβαίνει με τις διατάξιμες μεταβλητές.

Κατηγορίες που είναι αρκετά κοντά σημαίνει ότι έχουν παρόμοια προφίλ, όπως π.χ. το E3.χ και E4.χ. Μάλιστα αυτά σχετίζονται με τα άτομα σε κοντινή απόσταση, π.χ. τους Νο15 και Νο16.

Ενδιαφέρον ενδεχομένως παρουσιάζει και η δομή των συμπληρωματικών ποιοτικών χαρακτηριστικών, οι κατηγορίες των οποίων εμφανίζονται με πράσινο χρώμα στο διάγραμμα.

Σημειώνεται ότι κατηγορίες που βρίσκονται κοντά στην αρχή των αξόνων δεν ερμηνεύονται ικανοποιητικά από τους πρώτους δύο κύριους άξονες.


ΟΛΙΣΘΗΣΕΙΣ / ΠΤΩΣΕΙΣ

Εδώ ο πρώτος άξονας αποκαλύπτει την αντίθεση των ατόμων Νο10 και Νο17 οι οποίες (πρόκειται για γυναίκες, όπως φαίνεται από τη θετική τιμή που λαμβάνει η κατηγορία “Γυναίκα”) εκτίμησαν ως Πολύ Υψηλή την επικινδυνότητα και για τους 4 κινδύνους, με όλους τους υπολοίπους.

Ο δεύτερος άξονας αποκαλύπτει την αντίθεση μεταξύ των εκτιμήσεων χαμηλής επικινδυνότητας και για τους 4 κινδύνους (προφανώς από τον Νο3) από τη μια πλευρά και τους υπόλοιπους από την άλλη, οι οποίο συνωστίζονται στο 3ο τεταρτημόριο. Αυτό σημαίνει ότι οι δύο πρώτοι άξονες δεν επαρκούν για να ερμηνεύσουν τη συμπεριφορά τους. Από το γράφημα του 3ου και 4ου κύριου άξονα (δεν περιλαμβάνεται) φαίνεται ότι ο τρίτος άξονας αναδεικνύει τη διαφοροποίηση του Νο22 που εκτιμά ως υψηλή την επικινδυνότητα των Ε5 και Ε6, ενώ στον 4ο άξονα ξεχωρίζει ο Νο13 με υψηλή εκτίμηση επικινδυνότητας για τον Ε8.


ΗΛΕΚΤΡΙΚΟ ΡΕΥΜΑ

Εδώ ο πρώτος άξονας αποκαλύπτει την αντίθεση του ατόμου Νο8 το οποίο εκτιμά ως Υψηλή την επικινδυνότητα και για τους 2 κινδύνους, με τα άτομα Νο11, Νο17 και Νο22 που εκτιμούν ως Πολύ Υψηλή την επικινδυνότητα και για τους 2 κινδύνους. Πρόκειται για άτομα με ειδικότητα (κατά πλειοψηφία) Η/Μ, όπως βλέπουμε από τη σαφή μετατόπιση της κατηγορίας Η/Μ = 1 προς τη μεριά τους.

Οι υπόλοιποι συγκεντρώνονται στα αρνητικά του 2ου άξονα, όπου βρίσκονται οι εκτιμήσεις χαμηλής έως μεσαίας επικινδυνότητας. Αυτό σημαίνει ότι οι δύο πρώτοι άξονες δεν επαρκούν για να απεικονίσουν τη συμπεριφορά τους. Από το γράφημα του 3ου και 4ου κύριου άξονα (δεν περιλαμβάνεται) φαίνεται ότι οι υπάρχει περίπου ισοκατανομή στις εκτιμήσεις χαμηλής, μικρής και μεσαίας επικινδυνότητας.


ΕΠΑΦΗ ΜΕ ΦΥΣΙΚΟΥΣ / ΧΗΜΙΚΟΥΣ ΠΑΡΑΓΟΝΤΕΣ

Εδώ ο πρώτος άξονας αποκαλύπτει την αντίθεση κυρίως των ατόμων Νο10 και Νο17 (και δευτερευόντως του Νο22), οι οποίοι εκτιμούν Πολύ Υψηλές επικινδυνότητες.

Ο δεύτερος άξονας διαχωρίζει κυρίως τις χαμηλές και μικρές επικινδυνότητες με τις μεσαίες και υψηλές.

Παρατηρούμε ότι οι γυναίκες κλίνουν προς τις υψηλές και πολύ υψηλές επικινδυνότητες, ενώ οι Η/Μ σίγουρα δεν επιλέγουν τις χαμηλές.


ΣΥΝΘΗΚΕΣ ΕΡΓΑΣΙΑΣ

Εδώ ο πρώτος άξονας αποκαλύπτει την αντίθεση κυρίως των ατόμων Νο22 (και δευτερευόντως του Νο11), οι οποίοι εκτιμούν Πολύ Υψηλές επικινδυνότητες αλλά και την κατηγορία Η/Μ = 1 στην οποία προφανώς αυτοί ανήκουν.

Ο δεύτερος άξονας διαχωρίζει κυρίως τις χαμηλές και μικρές επικινδυνότητες (στα αρνητικά) με τις μεσαίες και υψηλές (στα θετικά) και ιδιαίτερα με την Ε13.Υ (που εκτιμά ο Νο17).


ΕΡΓΟΤΑΞΙΑΚΑ ΓΡΑΦΕΙΑ

Εδώ τα πράγματα είναι κάπως πιο ισορροπημένα κι αυτό φαίνεται από το μικρότερο εύρος τιμών το οποίο καλύπτει το νέφος των σημείων στον οριζόντιο άξονα. Ο πρώτος άξονας αναδεικνύει κυρίως την αντίθεση ατόμων όπως οι Νο11, Νο17, Νο24 και Νο23, οι οποίοι εκτιμούν ως Χαμηλές έως Μεσαίες τις επικινδυνότητες των κινδύνων της ομάδας σε αντίθεση με τους Νο22 και Νο12 οι οποίοι εκτιμούν ότι τουλάχιστον για τους κινδύνους Ε18 (μόνον ο Νο22) και Ε19 (και οι δύο) η επικινδυνότητα είναι υψηλή.

Ο δεύτερος άξονας διαχωρίζει κυρίως τις χαμηλές και μικρές επικινδυνότητες (στα αρνητικά) με τις μεσαίες και υψηλές (στα θετικά) και αναδεικνύει την τάση της ειδικότητας Η/Μ = 1 προς τις υψηλές επικινδυνότητες.


ΕΚΤΑΚΤΗ ΑΝΑΓΚΗ

Εδώ δύο μικρές ομάδες των 2 ατόμων η κάθε μία αναδεικνύονται από τον πρώτο κύριο άξονα. Η ομάδα των Νο17 και Νο11 στα αρνητικά, με εκτίμηση Πολύ Υψηλής επικινδυνότητας και οι Νο22 και Νο18 στα θετικά, με εκτίμηση Υψηλής επικινδυνότητας. Ο δεύτερος άξονας διαχωρίζει τους παραπάνω από όλους τους υπόλοιπους, οι οποίοι εκτιμούν χαμηλή έως μεσαία την επικινδυνότητα των δύο κινδύνων. Αυτό σημαίνει ότι οι δύο πρώτοι άξονες δεν επαρκούν για να ερμηνεύσουν τη συμπεριφορά τους. Από το γράφημα του 3ου και 4ου κύριου άξονα (δεν περιλαμβάνεται) φαίνεται ότι οι υπόλοιποι περίπου ισοκατανέμονται στις εκτιμήσεις χαμηλής, μικρής και μεσαίας επικινδυνότητας.


Created by George Dontas,   ERGOSE 2015

comments powered by Disqus