矿工安全注意力影响因素的SEM研究*

尹忠恺，施凤冉，李乃文，牛莉霞

(辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105)

0　引言

美国安全工程师海因里希经过大量研究，认为事故的发生存在着“88∶10∶2”规律，即在100起事故中，有88起事故纯属人为的因素，有10起事故是人为和物的不安全状态综合造成的，只有2起事故是人难以预防的，数据表明：不安全行为所导致的煤矿事故占事故总量的97%以上[1]。许多学者认为安全注意力下降是导致不安全行为的主要因素之一[2-4]，因此开始借助行为安全理论研究煤矿员工不安全行为[5]，研究矿工安全注意力[6-7]。

Kahneman[8]从金融学的视角提出“有限注意力”使得个体在处理稀缺认知资源时分配给某一任务的资源增加，必然导致分配于其他任务的资源减少。注意力对行为决策的影响成为组织行为学和管理学研究的核心问题之一[9]。在安全注意力的影响因素方面，李乃文[2,6]基于情境认知的角度，构建安全注意力AGENT模型，揭示工作收尾阶段员工安全注意力提升的演化机理；在对高危岗位员工安全注意力影响机制进行仿真研究时，作者基于系统动力学理论构建高危岗位员工安全注意力的影响因素系统模型；王春雪[10]将噪声作为影响安全注意力的因素进行实证分析，探究该影响因素的有效性。在安全注意力测量方面，李胜江[11]对驾驶人视觉注意力分散检测方法进行研究，建立基于支持向量机的驾驶人视觉注意力分散检测模型，并进一步提出考虑长注视行为的多特征信息判断规则；田水承[12]将行为数据采集系统、注意力集中能力定仪、基础信号分析系统等相结合，构建噪声场景个体行为能力测试系统。但现有研究多以实验的方法从静态、单一角度探析安全注意力指标的测量及其对安全行为、安全决策的影响，但对矿工安全注意力影响因素作用路径缺乏系统地分析。

综上所述，本文以矿工为研究对象，把安全注意力作为研究侧重点，将矿工安全注意力作用路径看成具有多重影响因子的复杂动态反馈系统，构建修正后的矿工安全注意力影响因素结构方程作用路径图，以期明确安全注意力的影响机理，为矿工失误行为的管理策略提供切入点。

1　矿工安全注意力影响因素的理论模型构建

1.1　矿工安全注意力衡量指标提取

本文的研究对象是矿工个体安全注意力，煤矿作业环境具有较强的复杂性和危险性，笔者不考虑安全注意力的特殊性，在文献研究基础上[13-18],对近十年井下小伤亡大概率人因事故进行质性分析，提取矿工安全注意力的主要外显行为表现，归纳出衡量矿工安全注意力的A，B，C 3类指标，分别是注意专注度、注意广度、注意转移度，各类指标下的因子具体如表1所示。

表1　矿工安全注意力衡量指标体系

1.2　矿工安全注意力影响因素分析

李乃文[2，7]、王玉伟[19]将注意力影响因素归纳为个人因素、机械设备、作业环境3大层面。李乃文[2]在进行高危岗位矿工安全注意力影响机制仿真研究时，进行了煤矿企业内部人、环、管三方面因素分析，认为高危岗位矿工在工作时段的安全注意力系统是工作环境、安全管理和员工个体三个层面因素交互作用的影响。在此基础之上，本文将安全信息刺激、安全监管、矿工安全意识、矿工工作疲劳作为主要的影响因素，着重分析这4个影响因素对矿工安全注意力的影响作用路径。

1.3　矿工安全注意力影响因素理论模型及假设

1.3.1矿工安全注意力影响因素理论模型

本文除了研究矿工安全注意力影响因素对矿工安全注意力的影响之外，还要研究矿工安全注意力A，B，C 3类衡量指标之间的相关作用关系。

1)矿工安全注意力影响因素与A，B类衡量指标的关系

矿工安全意识对A类衡量指标的影响较大，工作年限、工作经验、操作熟练程度越高会使得矿工安全意识随之增加，继而安全注意力的专注度就会越高；矿工工作疲劳对A，B类衡量指标都有影响，工作疲劳使得矿工在注意专注度能力方面受限，疲劳的阈值越高，专注度水平就越低，但相反的是，信息获取范围会越大，广度就越高；安全信息刺激与B类衡量指标存在相关关系，随着安全信息刺激的频率、安全信息刺激强度的增加，注意的广度也会增加。

2)安全监管与B，C类衡量指标的关系

安全监管可以涵盖巡查次数、行为纠正频率等，当安全监管的重要性得到重视，安全监管的力度和频率加强，就会在矿工安全注意转移产生正面刺激作用，限制有矿工自身引发的安全注意力动态配置，同时也会在注意转移前期起到警示作用。由此可见，强化安全监管的作用，就会相应缩小矿工安全注意力获取正常或者异常信息的范围，从而降低注意广度，二者之间存在负相关关系。

3)A，B，C 3类衡量指标间的关系

注意广度体现的是注意的空间范围特点，主要的衡量标准是在一定时间期限范围内，清楚地觉察或认识客体的数量。注意专注度体现的是个体意识对当期识别某一客体之后，继续深入的认识程度的属性特征，而注意的转移是在无意或者有意的情况下，注意从前期注意的客体转移到当期新客体的现象。矿工安全注意力是矿工在外界刺激和自身认知作用下以有意方式预防和控制工作过程中的危险和潜在隐患，以实现安全保障的能力，存在于作业安全信息“获取—理解—应对”全过程。注意专注度的提升，会缩小注意的广度，也会降低注意转移的几率。

基于上述逻辑分析，本文提出矿工安全注意力影响因素对矿工安全注意力的作用路径概念模型，见图1。

图1　矿工安全注意力影响因素作用路径概念模型模型Fig.1　Miners safety attention influencing factors path conceptual model model

1.3.2研究假设提出

基于上述分析和作用路径概念模型图的阐述，本文的研究假设如下所述：

H1：矿工安全注意力影响因素对A，B，C 3类衡量指标有直接影响。

H1a：矿工安全意识对A类衡量指标有影响，矿工安全意识越高，注意专注度就越高。

H1b：矿工工作疲劳对A类衡量指标有影响，矿工疲劳程度越高，注意专注度就会降低。

H1c：矿工工作疲劳对B类衡量指标有影响，矿工疲劳程度越高，注意广度就会降低。

H1d：安全信息刺激对B类衡量指标有影响，强化安全信息刺激作用，会增加注意广度。

H1e：安全监管对B类衡量指标、C类衡量指标有影响，强化安全监管的作用，会降低注意广度，降低注意转移的几率。

H2：A，B，C 3类衡量指标之间相互影响。

H2a：A类衡量指标对B类衡量指标产生影响，注意专注度越高，注意范围越小。

H2b：A类衡量指标对C类衡量指标产生影响，专注度越高，转移度就越低。

H2c：C类对B类衡量指标产生影响，转移度增加会扩大注意力广度的范围。

2　矿工安全注意力影响因素数据分析

2.1　研究工具与对象

本文数据采用前期编制的矿工安全注意力问卷调查获取[15]，问卷的设计按照心理测量学要求，根据安全注意力行为能力属性编制，采用李克特5级计分，1代表非常不符合，5代非常符合，得分越高说明程度越高。问卷调查采用多区域多阶段分层随机抽样法，首先将选定的煤矿企业按照工种进行归类划分，再根据简单随机原则随机抽取3位以上匿名回答问卷进行前测。初测发放问卷200份，回收有效问卷137份，有效率约为68. 5%。正式施测发放问卷500份，回收有效问卷为418份，有效率约为83.6%。

采用SPSS17.0软件进行描述统计及信效度分析，利用AMOS17.0软件进行假设模型检验。信效度验证结果为：χ2/df=3.174，CFI=0.931，GFI=0.916，IFI=0.954，NFI=0.913，RMSEA=0.07，拟合指标均在理想值范围内，问卷具有良好的信效度。

2.2　数据结果与分析

为验证所设计的变量是否适合进入结构方程模型，本文主要通过检验收敛效度，分析显变量对潜变量的测度效果及显变量之间、潜变量之间的差异性。表2各测度项CFA模型拟合效果统计值说明该测量工具有较好的信效度，测量方程模型拟合效果也符合要求。

表2　各个测度项CFA模型的拟合效果

表3显示，测量方程模型中显变量的因子载荷绝对值大于0.7，且达到了显著性水平，由此得出，所有的显变量与其潜变量有着显著的相关关系，测量方程模型中的潜变量具有良好的收敛效度。

表3　各个测度项CFA模型的回归参数估计

3　矿工安全注意力影响因素SEM模型构建

3.1　SEM模型构建

本文运用AMOS17.0软件，构建的结构方程模型(SEM)路径图如图2所示，由表4结构方程拟合检验结果可见，χ2/df值为59.68，不符合小于3的标准；GFI，NFI，CFI和IFI等都小于标准值0.9，RMSEA大于0.06。该检验结果中，大部分检验指标都与标准值有差别，说明初始模型与数据拟合结果并不理想，继而要进一步改进初始结构方程模型。从修正后的SEM指标数值(χ2/df=1.729，CFI=0.976，GFI=0.961，IFI=0.987，NFI=0.963，RMSEA=0.036)，可以看出指标中虽然有不理想的，但尚且在可接受范围之内，修正后的模型拟合情况良好。

图2　初始SEM的路径Fig.2　The Initial SEM path graph

如表4所示，该模型参数标准化估计值处于0.95以下，CR的绝对值大于1.96，参数估计值的标准差都大于零，符合测量误差不能有负值、因子载荷适中、检验值达到显著性水平的基本拟合标准。

表4　修正后SEM测量方程模型的参数估计

3.2　假设检验

由表5所示的修正后的结构方程模型中各潜变量之间路径关系系数值，对前文所提出的研究假设进行真伪性判断与验证，具体分析如下：

H1a：矿工安全意识与A类衡量指标之间的路径标准化估计值为0.008，临界比值大于1.96，路径系数在5%水平显著。说明矿工安全意识与A类衡量指标之间存在路径关系，矿工安全意识对A类衡量指标有直接影响。同理可证，H1b，H1c，H1d，H1e，H2a，H2b，H2c假设均成立。

表5　修正后SEM结构方程模型中各潜变量路径关系的参数估计

3.3　讨论

根据上述分析结果，本文得到修正后的矿工全注意力影响因素作用路径概念模型，如图3所示。

图3　修正后的矿工安全注意力影响因素作用路径概念模型Fig.3　The revised miners safety factors effect path conceptual model diagram

3.3.1矿工安全注意力影响因素与衡量指标

实证结果表明，矿工安全注意力影响因素对矿工安全注意衡量指标产生直接或者间接的影响。其中安全意识对A类衡量指标是正向影响；矿工工作疲劳对A类衡量指标是负向影响，对B类衡量指标是正向影响；安全信息刺激对B类衡量指标是正向影响；安全监管对B，C类衡量指标均是负向影响，且4个影响因素中矿工工作疲劳对安全注意力的广度(0.748)、矿工安全意识对安全注意力的专注度(0.713)影响较大。

3.3.2矿工安全注意力衡量指标之间

实证结果表明，矿工安全注意力衡量指标之间存在间接或直接关系。其中A类衡量指标对B，C类衡量指标均存在负向影响关系；C类衡量指标对B类衡量指标存在正向影响关系。且注意力的广度、专注度以及转移度之间的作用强度(-0.219，-0.064，0.166)相对较小。

4　结论

1)本文通过SEM分析，验证了矿工安全注意力的影响因素矿工安全注意力的衡量指标之间、矿工安全注意力的衡量指标之间存在路径关系。其中矿工工作疲劳对A，B2类衡量指标的最用最大，这与文献[15]的研究结论一致。所以煤矿企业要注重矿工的生理、心理疲劳，建立提升安全注意力的机制。

2)本文构建了矿工安全注意力影响因素作用路径概念模型图，从理论上证实了本文所提取的安全注意力影响因素对三类衡量指标之间存在路径关系，以及从煤矿企业适应性的角度，说明发挥安全注意力贯通式的作用，将有利于提高矿工安全行为绩效。

3)本文的设计力求符合科学原则，但仍存在不足之处。本文是通过数据分析得出的作用路径模型图，尚未在煤矿企业进行实践检验，因而模型在煤矿中具体运行及运行的效果还需要进一步探索，特别是模型运行需要采取什么样的措施来保障，以及模型运行中各因素的阈值确定，在后续的研究中需要深入探讨。

因而，在对煤矿企业进行安全管理时，生产技术的提升并不是唯一途径，在研究人因失误影响因素时，也充分利用影响因素的作用，提升矿工安全注意力，从而从减少人因失误的角度降低煤矿不安全事故的发生。

[1]全国煤矿百万吨死亡率直降74.8%[EB/OL].[2015-02-05].

[2]李乃文,冀永红,陈香宇.高危岗位员工安全注意力影响机制仿真研究[J].中国安全科学学报,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,赵梓焱,田水承,等.矿工不安全行为研究综述[J].中国安全生产科学技术,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]陈红,祁慧,宋学锋,等.煤矿重大事故中管理失误行为影响因素结构模型[J].煤炭学报,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]吴建祖,王欣然,曾宪聚.国外注意力基础观研究现状探析与未来展望[J].外国经济与管理,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,金洪礼.基于情境认知的安全注意力研究[J].中国安全科学学报,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员调配飞行冲突认知过程研究[J].安全与环境学报,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,吕淑然.噪声对安全注意力影响实验研究[J].中国安全生产科学技术,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]李胜江.驾驶人视觉注意力分散检测方法研究[D].吉林:吉林大学,2015.

[12]田水承,李磊,邓军,等.基于BioLAB的矿工不安全行为与噪声关系试验研究[J].中国安全科学学报,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,傅贵.一起重大煤矿顶板事故行为原因研究[J].矿业安全与环保,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.矿工安全行为能力试验研究[J].煤矿安全,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,刘谋兴,李乃文,等.工作倦怠、安全注意力与习惯性违章行为的关系[J].中国安全科学学报,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]徐国峰.安全氛围感知对矿工不安全行为影响研究[J].中国安全生产科学技术,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]王宗胜,李腊生.注意力配置的经济学分析[J].中国工业经济,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]赵亮,刘浩学.驾驶行为特性与人格特征关系研究[J]. 中国安全生产科学技术,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]王玉伟,易大方.影响大学生课堂注意力因素的调查[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.