Ethics code: IR.SBMU.PHNS.REC.1404.063
مرکز تحقیقات ارتقای ایمنی و پیشگیری از مصدومیتها، پژوهشکده علوم بهداشتی و محیط زیست، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران ، asalehi529@gmail.com
چکیده: (11 مشاهده)
زمینه و هدف: ارگونومی و عوامل انسانی به دلیل اهمیت در بهبود شرایط کاری، افزایش بهرهوری و کاهش آسیبهای جسمی ناشی از محیط کار، به یکی از زمینههای کلیدی برای توسعه و کاربرد هوش مصنوعی[1] ((AI تبدیل شدهاند. لذا هدف این مقاله مروری، بررسی مطالعات موجود پیرامون کاربرد هوش مصنوعی در پیشبینی و ارزیابی ریسکهای ارگونومیک است.
روش بررسی: پروتکل این مطالعه بر اساس دستورالعمل موارد ترجیحی برای گزارشدهی در خصوص مرورهای سیستماتیک و متاآنالیز ([2]PRISMA) تهیه و ارائه شد. برای یافتن مقالات مرتبط، از پایگاههای اطلاعاتی و موتورهای جستجوی علمی و دانشگاهی PubMed)، Scopus، ScienceDirect و (Web of Science استفاده شد. برای این منظور، با استفاده از کلیدواژههای مرتبط با موضوع، به جستجو در پایگاههای علمی طی سال های 2000 تا 2024 پرداخته شد. معیارهای ورود به مطالعه شامل مقالات اصیل پژوهشی، تجربی و آزمایشگاهی که کاربرد AI در پیشبینی و ارزیابی ریسکهای ارگونومیک را مورد بررسی قرار دادهاند و همچنین مقالات به زبانهای انگلیسی بودند. همچنین، معیارهای خروج از مطالعه شامل مقالات با موضوعات غیرمرتبط، مقالات غیرپژوهشی از جمله سرمقالهها، یادداشتهای نویسندگان، نامه به سردبیر و انواع مطالعات از جمله کتابها و مقالات مروری بودند.
یافته ها: این مطالعه به بررسی 32 مقاله درباره کاربرد AI در پیشبینی و ارزیابی ریسکهای ارگونومیک بین سالهای ۲۰۰۰ تا ۲۰۲۴ پرداخت. بیشترین تحقیقات از سال 2021 به بعد و بویژه در سال 2024 انجام شده است. روشهای مختلفی از جمله Natural Language Processing، Expert Systems، Vision و Machine learning بهطور گسترده استفاده شده است. همچنین نتایج نشان داد در این میان روشهای یادگیری ماشین بیشترین کاربرد را در مطالعات داشتهاست. همچنین بیشترین و کمترین تعداد مطالعات به ترتیب با 44 و 3 درصد مربوط به قاره اروپا و آفریقا بودند.
بحث و نتیجه گیری: این مطالعه با مرور سیستماتیک مطالعات موجود، نقش فزاینده هوش مصنوعی در پیشبینی و ارزیابی ریسکهای ارگونومیک را برجسته کرده است. نتایج بهدستآمده نشان میدهند که استفاده از الگوریتمهای یادگیری ماشین، بینایی ماشین، و سایر زیرمجموعه های هوش مصنوعی میتواند دقت، کارایی و بلادرنگی ارزیابیهای ارگونومیکی را نسبت به روشهای سنتی بهطور معناداری افزایش دهد.
روش بررسی: پروتکل این مطالعه بر اساس دستورالعمل موارد ترجیحی برای گزارشدهی در خصوص مرورهای سیستماتیک و متاآنالیز ([2]PRISMA) تهیه و ارائه شد. برای یافتن مقالات مرتبط، از پایگاههای اطلاعاتی و موتورهای جستجوی علمی و دانشگاهی PubMed)، Scopus، ScienceDirect و (Web of Science استفاده شد. برای این منظور، با استفاده از کلیدواژههای مرتبط با موضوع، به جستجو در پایگاههای علمی طی سال های 2000 تا 2024 پرداخته شد. معیارهای ورود به مطالعه شامل مقالات اصیل پژوهشی، تجربی و آزمایشگاهی که کاربرد AI در پیشبینی و ارزیابی ریسکهای ارگونومیک را مورد بررسی قرار دادهاند و همچنین مقالات به زبانهای انگلیسی بودند. همچنین، معیارهای خروج از مطالعه شامل مقالات با موضوعات غیرمرتبط، مقالات غیرپژوهشی از جمله سرمقالهها، یادداشتهای نویسندگان، نامه به سردبیر و انواع مطالعات از جمله کتابها و مقالات مروری بودند.
یافته ها: این مطالعه به بررسی 32 مقاله درباره کاربرد AI در پیشبینی و ارزیابی ریسکهای ارگونومیک بین سالهای ۲۰۰۰ تا ۲۰۲۴ پرداخت. بیشترین تحقیقات از سال 2021 به بعد و بویژه در سال 2024 انجام شده است. روشهای مختلفی از جمله Natural Language Processing، Expert Systems، Vision و Machine learning بهطور گسترده استفاده شده است. همچنین نتایج نشان داد در این میان روشهای یادگیری ماشین بیشترین کاربرد را در مطالعات داشتهاست. همچنین بیشترین و کمترین تعداد مطالعات به ترتیب با 44 و 3 درصد مربوط به قاره اروپا و آفریقا بودند.
بحث و نتیجه گیری: این مطالعه با مرور سیستماتیک مطالعات موجود، نقش فزاینده هوش مصنوعی در پیشبینی و ارزیابی ریسکهای ارگونومیک را برجسته کرده است. نتایج بهدستآمده نشان میدهند که استفاده از الگوریتمهای یادگیری ماشین، بینایی ماشین، و سایر زیرمجموعه های هوش مصنوعی میتواند دقت، کارایی و بلادرنگی ارزیابیهای ارگونومیکی را نسبت به روشهای سنتی بهطور معناداری افزایش دهد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
