行政院國家科學委員會專題研究計畫 成果報告
應用群集分析與文字採礦探討感電職災的情境與預防策略 (第 2 年)
研究成果報告(完整版)
計 畫 類 別 ： 個別型
計 畫 編 號 ： NSC 96-2628-E-011-006-MY2
執 行 期 間 ： 97 年 08 月 01 日至 98 年 07 月 31 日 執 行 單 位 ： 國立臺灣科技大學工業管理系
計 畫 主 持 人 ： 紀佳芬
報 告 附 件 ： 出席國際會議研究心得報告及發表論文
公 開 資 訊 ： 本計畫涉及專利或其他智慧財產權，1 年後可公開查詢
中 華 民 國 98 年 07 月 24 日
1
行政院國家科學委員會補助專題研究計畫成果報告
應用群集分析與文字採礦探討感電職災的情境與預防策略 (2/2)
計畫類別：個別型計畫
計畫編號：NSC 96-2628-E-011-006
執行期間：96 年 8 月 1 日至 98 年 7 月 31 日
計畫主持人：紀佳芬
計畫參與人員：楊漢聲、賴俊良、
陳文雄、聞毅
本成果報告包括以下應繳交之附件：
出席國際學術會議心得報告及發表之論文各一份
執行單位：國立臺灣科技大學工業管理系 中 華 民 國 98 年 7 月 20 日
2
一、 中英文摘要
國內感電重大職業災害僅次於墜 落，多年來一直高居全產業重大職業災 害之第二位，佔所職業災害的 14.6%。
依勞工安全衛生法第二十八條規定：
「事業單位工作場所發生死亡災害或 罹災人數在三人以上者的重大職災，由 於該項職災均需經過檢查機構之通報 與檢查，因此其事故資料較為完整且詳 細。基於感電重大職災發生的行業別營 造業所佔比率很高，以及考量資料探勘 應用在意外事故分析的趨勢，因此在九 十六年度的研究計畫提出二年期的研 究計畫「應用資料探勘探討感電職災的 發生情境與預防策略」，第一年一方面 整理我國近十年（1986 至 2005 年）工 作場所之感電重大職災約 222 件案例進 行分析，整理出每件個案性別、年齡、
公司雇用人數、工作經驗、作業別、媒 介物、發生原因，接著參考 Casini（1993）
的文獻將所有案例劃分為五大類型：包 括勞工直接碰觸高壓電源、有吊桿之車 輛接觸高壓電源、傳導性設備接觸高壓 電源、勞工直接接觸有能量之設備、及 設備之損壞或不當之安裝，再依各大類 型的行業別特性、工作環境、使用的器 具與設備、以及作業內容，藉著運用資 料探勘中的關連法則來進行找出關鍵 的致災因素與事故情境，以探討造成發 生感電災害的各項影響因素，進而找出 預防對策與措施。找出感電重大職災的 致災因素，以制訂出適切的預防措施。
第二年擬應用「文字採礦」”text mining”
的技術，試著從職災報告的文字敘述中 擷取關鍵致災資訊，再與先前人工所擷 取的編碼資料進行比對，瞭解人與電腦 處理資料的異同與優缺點，增進職災個 案敘述資料的分析效率。
國 內 全 產 業 重 大 職 業 災 害 類 型 中，感電居之第二位，僅次於墜落，而 在民國 85 年至 96 年之間，國內共發生 了 636 件感電重大職業災害，屬於營造
業的有 394 件(61.9%)，更是高居全產業 之第一位。本研究針對其中民國 85 至 91 年間之 255 件營造業感電重大職業 災害進行屬性與類別的篩選。篩選方法 參照陳正倫(2006) 對於營造業感電職 災的研究之編碼系統，屬性分別為年 齡、雇用人數、工作經驗、作業別、媒 介物、發生原因，類別為危害類型。並 根據案例報告書所提供的內容，將每件 案例的年齡、雇用人數、工作經驗、作 業別、媒介物、發生原因、危害類型歸 屬於合理的屬性及類別。之後利用卡方 自動互動檢視法找出影響感電職災危 害類型分類類別之關鍵屬性，並利用路 徑分析法探討各分類類別之罹災者接 觸電流的路徑，以制定防災對策。
由分析得知，感電職災發生情境共分 類為九種類別，影響資料分類類別 (感電危害類型)之關鍵屬性為媒介 物、發生原因與作業別，其中影響資 料 分 類 類 別 最 關 鍵 之 屬 性 為 媒 介 物，其次當媒介物為電氣設備、電 線、電動手工具、帶電體(間接帶電) 時，次關鍵屬性為發生原因；當媒介 物為車輛與機械設備時，次關鍵屬性 為作業別；當媒介物為高壓電線及電 動手工具時，並無其它關鍵屬性會影 響資料分類類別。之後針對以上分析 結果將其九種類別分別彙整成路徑 分析圖，說明各分類類別之感電職災 發生的情境、罹災者碰觸電源的各種 可能路徑、以及在案例中出現的各種 媒介物，接著制定防災對策以阻斷其 路徑，以避免類似的職業災害重複發 生，或是減輕職業災害之後果。
關鍵詞：感電、事故類型、重大職災、
資料探勘 Abstract
Electrical fatality accounted for 14.6% of all fatal accidents and was the second leading cause of occupational fatality in
3
Taiwan following the falling fatalities.
For the 1st year, the current study proposed to collect 216 work-related single fatalities from the years 1996 to 2005 in terms of individual factors (age, gender, experience, and industry of the victim), performing tasks, environmental factors (high-voltage or low-voltage, wet condition, hour and month of occurrence), management factors (the company size measured by number of workers, safety equipment and use of personal protective equipment), source of injury, and causes for these accidents. These electrocution accidents were divided into (1) direct worker contact with an energized power line, (2) boomed vehicle contact with an energized power line, (3) conductive equipment contact with an energized power line, (4) direct worker contact with an energized equipment, (5) improperly installed or damaged equipment. Various clustering algorithms for data mining would be applied to classifying contributing factors into groups and derive useful patterns of electrocution fatalities according to characteristics such individual factors, performing tasks, environmental factors, management factors, source of injury, and causes for accidents. The result from the analysis could lead to more effective safety training, protective equipment and devices, and compliance with established procedures. Grouping the data (or coding) is an essential part of the analytic process.
However, manual coding, especially on large datasets can be burdensome and use up valuable resources. Data-mining can be helpful in extracting knowledge by revealing important patterns that may not be revealed by other traditional tools.
Researchers had found that accident narratives could be E-coded by machine with reasonable accuracy especially by using a multiple-word classification approach. For the 2nd year, the current study proposed to apply “text-mining” to derive critical data element from accident
narratives and compared with those coded manually. The result can help to develop a machine learning approach to code a portion of the accident narratives so that the amount of manual coding required could be significantly reduced without sacrificing accuracy and allows the user to focus on the difficult narratives.
Electrical shock was the second leading cause of occupational fatality in Taiwan following the falling fatalities. Electrical fatality accounted for 14.6% of all fatal accidents and was the second leading cause of occupational fatality in Taiwan following the fall fatalities. The current study analyzed 255 work-related single fatalities of occupational electrocution from 1996 to 2002. Each fatality was coded in terms of age, company size, experience, tasks, source of injury, and accident cause. CHAID was applied to classify these 255 accidents into 9 accident types based on source of injury, accident cause, and performing task. For each accident type, the path diagrams illustrating the vectors (path) of electricity traveling through human body were identified. The path diagrams can then be used to identify effective barriers within vectors, e.g., more effective safety training, protective equipment and devices, and compliance with established procedures.
Keywords: Electrical Shock, Accident pattern, Occupational Fatality, Data Mining
二、緣由與目的
對職業意外事故進行系統化研究 的主要目的在於獲得防制職災發生所 需的相關資訊(Tuominen & Safari,1982)
，以便將防災資源有效的投入在高職災 危險群或是幾個與事故發生有關的情 境。因此為提醒雇主防止同類型重大職 業災害持續不斷的發生，申請人曾統計 七十八、八十、八十一年我國 1,230 件
4
重大職災資料，事故發生的災害類型大 多數為墜落，總共 488 件(39.7%)（Chi &
Wu, 1997）。由於上述 1,230 件重大職災 資料的頻次分佈中次要者為感電，總共 有 180 件(佔 14.6%)。依據勞工安全衛 生研究所（民 86、民 87）整理世界各 國職業災害統計分析報告顯示，各種災 害類型之死亡人數中（如表 1），「感電
」在國內每年約死亡 50-80 人，約佔全 部災害之 14﹪，高居各災害類型之第二 位。但相對的，日本之就業人口比我國 多，但每年感電死亡人數約僅有 30-50 人，比例約佔 1.9﹪。另再以感電死亡 災害十萬人率作比較，我國之十萬人率 為 8.851，比日本之 0.961、英國之 0.758
、美國之 3.495，均高出數倍，顯示我 國感電的比率確實比國外高出甚多。感 電對人體的傷害，Rekus（1997）指出 電能會造成人體灼傷、非自主性之肌肉 收縮、心室顫動、呼吸停止、心跳停止 等傷害。其對人體傷害之嚴重程度，則 視其電壓、電流值、身體之電阻、流經 人體之途徑而定。另外感電亦可能造成 二次效應（secondary electrical effects）
例如，當勞工在高處作業時，可能因觸 電導致身體不平衡，而墜落於地面。
Jones, Armstrong, Woolard, & Miller（
1991）亦提出感電死亡之傷害類型，大 部分為電擊休克而死亡（85﹪），因感 電而墜落死亡者較少（4﹪）。
意外事故之發生，通常是由很多原 因所造成，而非僅由單一因素所造成。
美國工業安全專家 Heinrich 曾對意外事 故發生的前因後果作有系統的分析研 究 。 他 並 提 出 有 名 的 「 骨 牌 理 論 」 (domino theory)，認為意外事故的發生
，主要由血統與社會環境、個人之缺失
、不安全的行為與環境等危害、意外事 故、傷害五個因素循序構成。任何一張 骨牌倒下，就可能造成下一張骨牌之倒 下，最後並導致傷害之發生。而影響職 業意外事故的變項卻相當多且複雜，各 變項間的交互影響增加了統計分析的
困難度。Smith (1987)在探討職業傷害的 預防時，將職業傷害的發生影響因素則 分成人員、設備與環境三類。
在分析歸納事故情境的過程中，過 去的研究方法均以因素間的交互作用 關係為主要分類的依據。在 2006 年八 月至 Iowa State University 短期進修及 至 Liberty Mutual 訪問交流中發現，應 用電腦分析意外事故資料或是歸納情 境已是必然的 趨勢 （ Wellman, Lehto, Sorock, & Smith, 2004），可以加速資料 處理分析的速度與效率，因此在本年度 計畫中一方面加入營造業以外行業別 的個案資料，另一方面應用資料探勘的 群集分析取代過去較為繁雜的人為歸 納過程。例如 Anand 等人 (2006) 也提 及運用資料採礦可以從大量的資料擷 取有意義的類型與知識。他們便利用決 策樹來分析 400 筆意外事故資料，分析 結果顯示原因(cause)是最重的影響變 項。人為疏失是造成 250 件傷害事件的 主要原因；另有 100 件人為疏失沒有造 成 傷 害 。 第 二 個 重 要 變 項 是 裝 備 (equipment)。在 270 件傷害事件中發現 與製程容器(process vessel)有關。270 件 中有 150 件人為疏失。從上述分析得出 人為疏失主要原因，裝備是次要原因的 結論（Anand, et al, 2006）。他們列舉了 幾 項 資 料 採 礦 的 方 法 ， 例 如 決 策 樹 (decision tree)可以迅速處理大量資訊以 找出因素間的顯著關係，並且可以很容 易的判讀分析結果。其次是關連法則 (Association rule)，過去常被用在購物車 分析(Market basket analysis) (Berry &
Linoff, 1997)，以分析顧客的消費習慣
。得出 70%顧客購買印表機時會順便購 買報表紙。上述結論是根據計算 如果 A 事件發生（購買印表機）B 事件
（購買報表紙）會跟著發生的機率 P(A∩B)/P(A) 也就是 A 事件發生的機 率除以 A 事件和 B 事件同時發生的機 率。也就是 B 事件在給定 A 事件發生 情況下的條件機率。將印表機與報表紙
5
置換成 g 失效的裝備類型(Equipment type)與化學物質(Chemical type)，就能 得出有助於防範化學物質洩漏的意外 事故類型（Anand, et al, 2006）。
基於感電重大職災發生的行業別 件數趨勢，整理分析我國近十年（1986 至 2005 年）工作場所之感電重大職災 約 216 件案例(參考表 2)，參考 Casini
（1993）的文獻將所有案例劃分為五大 類型：包括勞工直接碰觸高壓電源、有 吊桿之車輛接觸高壓電源、傳導性設備 接觸高壓電源、勞工直接接觸有能量之 設備、及設備之損壞或不當之安裝，再 依各大類型的行業別特性、工作環境、
使用的器具與設備、以及作業內容。特 別將應用資料探勘的群集分析來找出 意外事故的致災因素與情境，以探索資 料探勘應用在職災分析的適用情況與 價值。
根據 Olafsson 等人(2006)對資料探 勘的詮釋是從大量資料庫中用自動或 半自動獲取目前未知或潛在有用知識 與類型特性(pattern)的過程。這些過程 包含幾個具體的步驟：(1)整合數個資料 庫(2)預先處理(preprocessing)(3)藉用學 習邏輯推論出模式。進行資料探勘時通 常先有一包含特定變項與參數觀察值 的訓練子集合(training set)。這個訓練子 集合可用來學習歸納出一個特定的觀 念或是類型特性(pattern)。最常用來進 行 資 料 探 勘 學 習 的 方 法 包 含 分 類 (classification)、clustering(群集)與關連 法則(association rule discovery)。
分類(Classification)就是根據訓練子集 合中的每個案例的類別屬性給予一個 特定的編碼(label)，接著採用歸納學習 邏輯（inductive learning algorithm）來 產生一個可以區分案例屬性類別差異 (class value)的模式。上述學習所得的模 式可以作為分析新的個案屬性以自動 產生適當分類結果的基礎。不論是採用 資料群集分析或是關連法則，類型特性
（pattern）的學習是透過資料庫的案例
(instance dimension) 以 及 案 例 的 屬 性 (attribute dimension)而得。資料的群集 分析就是依案例的資料自然形成的群 組(natural groups)或群集(clusters)。然而 關係法則就是學習群組案例間資料屬 性的特定關係。因此本研究的第一年計 畫是運用統計方法將已知的感電案例 形成自然群組。
第二年擬應用「文字採礦」”text mining”
的技術，一般而言用電腦來處理已編碼 完成或量化的資訊難度較低，但是有些 關鍵的資訊還是埋藏在龐雜的文字描 述中。因此文字採礦即是藉由電腦從數 量龐大的文字資料中擷取出有意義的 資訊，這項技術是主要結合了語意分析
（semantic analysis）來分析非結構性文 句敘述資訊，將不具結構性的敘述文字 轉換成易於了解與分析的結構化文句 與段落，甚至對擷取的資訊進行分類或 編碼，讓使用者可以快速找到所需的資 訊，可大幅提升人工閱讀與處理的效 率。因此第二年擬應用文字採礦的的技 術從，從職災報告的情境敘述中擷取關 鍵致災資訊。並從第一年度所得群組的 案例資料屬性來建立關係法則，據此從 職災報告的情境敘述中擷取關鍵致災 資訊，接著應用前述決策樹與關連法則 來串連相關致災資訊以找出有意義的 意外事故類型與致災情境，再與先前人 工擷取的個案分析編碼資料以及人工 分析所得的個案情境類型結果進行比 對，比較人與電腦處理資料的異同與優 缺點，可以讓專家專注在電腦無法處理 的複雜職災個案，增進職災個案資料分 析的效率。
三、研究方法與步驟
本 研 究 根 據 行 政 院 勞 委 會 民 國 85-91 年間 255 件營造業感電重大職災 案例報告進行屬性與類別的篩選以進 行卡方自動互動檢視法分析。篩選方法 參照陳正倫(2006) 對於營造業感電職 災的研究之編碼系統，篩選出的六個屬 性為年齡、雇用人數、工作經驗、作業
6
別、媒介物、發生原因，篩選出的唯一 類別為危害類型。並根據案例報告書所 提供的內容，將每件案例的年齡、雇用 人數、工作經驗、作業別、媒介物、發 生原因、危害類型歸屬到合理的分類。
之後將整理好的內容進行卡方自動互 動檢視法分析，可利用此六個屬性(年 齡、雇用人數、工作經驗、作業別、媒 介物、發生原因)來預測可能會發生的 危害類型，並且以階層式的方式找出影 響資料分類的關鍵屬性及及第一關鍵 屬性、第二關鍵屬性等重要性優先順 序。
文字採礦
本研究根據行政院勞委民國 85-91 年間 255 件營造業感電重大職災案例報 告進行文字採礦，主要內容分為七大 項，分別為一、事業種類，二、災害類 型，三、媒介物，四、罹災類型，五、
災害發生類型，六、災害原因分析以 及，七、災害防止對策，分別從這七大 項擷取並進行分類的變項共有七個，包 括 1.媒介物、2.性別、3.年齡、4.工作經 驗、5.作業別、6.危害類型、7.發生原因。
變項擷取來源如以下說明：
在一、事業類型大項中，所有案例 均為營建業，而二、災害類型大項中均 為感電，因此皆不擷取資料進行分析。
從三、災害媒介物擷取 1. 媒介物變 項，並分類為(1)高壓電線、(2)電氣設 備、(3)電線、(4)燈具、(5)車輛與機械 設備、(6)電動手工具、(7)帶電體(間接 帶電)以及(8)資料不詳一組。
從四、罹災情形擷取三個變項分別為 2.
性別，分類為(1)男、(2)女。3. 年齡，
先擷取連續數字，再區分為(1)24 歲以 下、(2)25-34 歲、(3)35-44 歲、(4)45-54 歲以及(5)55 歲以上。4. 工作經驗，先 擷取年資，再區分為(1)工作經驗少於 1 年、(2)工作經驗超過 1 年，以及(3)資 料不詳一組。
從五、災害發生經過擷取兩個變項分別 為 5. 作業別，分類為(1)架設、移動或
維修電線或電桿、(2)電氣設備作業、(3) 配線作業、(4)燈具作業、(5)機械設備 活線作業、(6)架設有限電視線路、(7) 其他電氣作業、(8)操作電動手工具、(9) 電焊作業、(10)服務/維修作業、(11)車 輛指揮與裝卸、扶持吊舉物、(12)物料 搬運、(13)例行性機械操作、(14)清潔 整理作業、(15)操作車輛、(16)休息、(17) 其他非電氣作業、(18)不詳。6. 危害類 型，並分類為(1)車輛碰觸高壓電線、(2) 傳導性工具碰觸高壓電線、(3)碰觸帶電 之設備、(4)碰觸漏電或故障、(5)損壞 之設備與(6)其他。
最後從六、災害原因分析擷取 7. 發生 原因變項，並分類為(1)損壞的機具設 備、(2)未保持安全距離、(3)未使用適 當防護具與防護裝備、(4)不安全的作業 行為、(5)碰觸帶電的設備、(6)不安全 的環境、(7)未完成斷電程序、(8)缺乏 安全裝置、(9)未完成接地。
而七、災害防止對策則因為其敘述沒有 包含變項，故不擷取進行分析。
完成擷取資料與分類後，可以用(1) 準確率(Precision)、(2)召回率(Recall)兩 種衡量指標來評估擷取資料與分類是 否正確的結果。以下分別為兩種衡量指 標之定義：
TP：正確值分到本類別 TN：不正確值分到其他類別 FP：正確值分到其他類別 FN：不正確值分到本類別
(1)準確率(Precision)：precision TP TP FN
(2)召回率(Recall)：recall TP
TP FP
卡方自動互動檢視法分析
卡方自動互動檢視法是利用樹狀 圖來表示，使用多個屬性(X)來預測資 料分類類別(Y)，並且找出影響資料分 類的關鍵屬性以及第一關鍵屬性、第二 關鍵屬性等重要性優先順序。在本研究 中是用六個屬性：年齡(X1)、雇用人數 (X2)、工作經驗(X3)、作業別(X4)、媒
7
介物(X5)、發生原因(X6)，來預測資料 分類類別：危害類型(Y)。
卡方自動互動檢視法會計算每個 分類類別之案例數及正確率，例如某分 類類別經由分析之後，共有 10 筆案例 被分類至此類別，但與專家人工之分類 比對後，發現正確 8 筆，錯誤 2 筆，可 判定此類別正確率為 80%，輸出結果為 (10, 80%)。
為了判定某分類類別是否具有可 用性，本研究會定一參數為最小案例數 門檻(Minimum Case)，此參數是為了消 除特殊的案例，由於這些特例件數過 少，造成可用性過低。每個分類類別必 須大於等於此門檻，才會判定此分類類 別具有可用性；反之，若某分類類別之 案例數小於此門檻，則判定其可用性過 低而視為無意義，不會產生在輸出結果 上。
本研究進行卡方自動互動檢視法 分析時，操作時步驟如下：
1. 輸入屬性與類別：本研究篩選出的 六個屬性 為年齡 (X1) 、雇用 人數 (X2)、工作經驗(X3)、作業別(X4)、
媒介物(X5)、發生原因(X6)，類別 為危害類型(Y)。因操作卡方自動互 動檢視法時無法輸入中文字，只能 輸入英文字母或數字，故本研究將 每一屬性及類別給定一代號。
2. 輸入參數：本研究之卡方自動互動 檢視法使用之參數，為最小案例數 (Minimum Case)，此參數設定值越 高，輸出分類數目會越少，同時也 需要越大的樣本，否則將會造成分 析上的偏差，為了避免此情形，本 研究將最小案例數參數之門檻設定 為最低(Minimum Case = 2)，以得到 最理想的結果。
3. 進行卡方自動互動檢視法分析：將 根據案例報告書中各案例之屬性及 類別歸屬到合理的分類結果，成為 一可分析資料，並將其輸入進行卡 方自動互動檢視法分析。
4. 將卡方自動互動檢視法輸出之分類 類別以及其正確率、案例數、案例 編號做條列式整理，依及關鍵屬性 重要性優先順序排列，以供後續路 徑分析之研究。
路徑分析
本研究利用路徑分析，以圖形化的 方式來表達卡方自動互動檢視法結果 之九種分類類別中，感電職災發生的情 境、罹災者碰觸感電來源之各種路徑、
以及出現的各種媒介物，再根據此路徑 分析圖將每個分類類別中的情境、路 徑、媒介物加以說明，並分析發生原 因。
本研究假設一旦確定罹災者與感 電 來 源 的 所 有 路 徑 以 及 發 生 原 因 之 後，只要制定防災對策來確實阻斷這些 感電路徑，即可預防職業災害發生，或 是減輕職業災害發生後之後果。
以下依序列出整合並繪製根據卡 方自動互動檢視法輸出之各分類類別 路徑分析圖步驟：
1. 從職災報告書中找出卡方自動互動 檢視法分析輸出分類類別之案例編 號。
2. 確 定 案 例 中 之 感 電 來 源 (Electrical source ; ES)與罹災者(Victim ; VI)，
在本研究感電之職業災害中，感電 來源是高壓電線或電線，罹災者皆 為勞工。
3. 詳讀所有案例情境，並依照敘述找 出罹災者、感電來源、以及罹災者 直 接 接 觸 感 電 途 徑 中 之 媒 介 物 (Vector ; VE)，依罹災者接觸之先後 順序排列。
4. 找出案例媒介物後，依罹災者接觸 之先後順序(中間介質)繪出感電路 徑。
5. 歸納各分類類別所有案例之感電路 徑圖，原則上是將每個分類類別之 每個路徑各繪製成一個感電路徑圖 模型，表示在此分類類別所有路徑 中罹災者與感電來源有所接觸之路
8
徑，每一種關鍵情境都用一種路徑 圖加以表達，有部份類型用多於一 種路徑圖來表示。
6. 所有分類類別之感電路徑圖模型繪 製完成後，依圖分析罹災者、感電 來源及路徑所有媒介物之關聯。
7. 依照感電路徑分析圖，針對感電路 徑及發生原因來制定防災對策，並 給予建議與提示。
四、結果 文字採礦
媒 介 物 進 行 資 料 採 礦 之 結 果 如 下，如表 1 所示：在人工分類為(1)高壓 電線的案例中，電腦搜尋結果被正確分 類為高壓電線之準確率為 67.2%(正確 41 件、錯誤 20 件)、召回率為 100%(召 回 41 件、未召回 0 件)，但由於電線與 高壓電線有重複之關鍵字，因此也會同 時被分類至電線類別，造成一個案例被 分類到兩個不同類型之狀況。人工分類 為(2)電氣設備的案例中，準確率 0%(正 確 0 件、錯誤 0 件)、召回率為 0%(召回 0 件、未召回 25 件)，原因分析為電腦 搜尋時會搜尋到電氣設備之電線等關 鍵字，而被錯誤分類到高壓電線或電 線，又由於此「電氣設備」名詞為人工 分類時所整合之統稱，報告書中並無出 現此名詞，故部份案例會完全搜尋不到 關鍵字。人工分類為(3)電線的案例中，
被電腦搜尋分類到正確的類別的準確 率為 19.7%(正確 15 件、錯誤 61 件)、
召回率為 100%(召回 15 件、未召回 0 件)，原因分析為電腦再搜尋「電線」
之關鍵字時，會搜尋到電氣設備及燈具 之裸露電線，造成分類上之誤判。人工 分類為(4)燈具的案例中，被電腦搜尋分 類到正確類別的準確率為 53.3%(正確 8 件、錯誤 7 件)、召回率為 100%(召回 15 件、未召回 0 件)，原因分析為電腦 會搜尋到燈具之裸露電線的關鍵字，而 被錯誤分類到電線類別，其餘 8 件則完 全搜尋不到關鍵字。人工分類為(5)車輛 與機械設備的案例中，準確率 0%(正確
0 件、錯誤 0 件)召回率 0%(召回 0 件、
未召回 60 件)，原因分析為「車輛與機 械設備」為人工分類時所整合之統稱，
報告書中並無出現此名詞，故電腦完全 搜尋不到任何關鍵字。人工分類為(6) 電動手工具的案例中，準確率 0%(正確 0 件、錯誤 0 件)召回率 0%(召回 0 件、
未召回 49 件)，原因分析與(5)車輛與機 械設備相同，，電腦完全搜尋不到任何 關鍵字。人工分類為(7)帶電體的案例為 間接帶電，準確率 0%(正確 0 件、錯誤 20 件)召回率 0%(召回 0 件、未召回 44 件)，罹災情形為高壓電線、電氣設備 透過金屬等材質使罹災者感電，故電腦 搜尋時，會錯誤將其分類至高壓電線。
卡方自動互動檢視法
本研究搜集之資料以年齡(X1)、雇 用人數(X2)、工作經驗(X3)、作業別 (X4)、媒介物(X5)、發生原因(X6)為屬 性，危害類型(Y)為類別，設定最小案 例數(Minimum case)為 2，透過卡方自 動互動檢視法來發展利用屬性對於資 料分類類別預測的樹狀模型圖，並找出 影響資料分類類別之關鍵屬性及第一 關鍵屬性、第二關鍵屬性等重要性優先 順序。分析結果共建立出九種分類類 別，關鍵屬性為媒介物、發生原因、作 業別。非關鍵屬性為年齡、僱用人數、
工作經驗，並不會影響資料分類類別，
樹狀圖形如圖 1 所示。
分析結果如下，255 件案例中，具 有可用性之案例數為 175 件。樹狀預測 模型圖共分為兩階，影響資料分類類別 (感電危害類型)之關鍵屬性有媒介物、
發生原因、作業別三個屬性，其中第一 階層，也就是影響資料分類類別最關鍵 之屬性為媒介物，其次當媒介物為電氣 設備、電線、電動手工具、帶電體(間 接帶電)時，次關鍵屬性為發生原因；
當媒介物為車輛與機械設備時，次關鍵 屬性為作業別；當媒介物為高壓電線及 電動手工具時，並無其它關鍵屬性會影 響資料分類類別。
9
媒介物為高壓電線的案例會被分 類至勞工直接碰觸高壓電線之危害類 型(類別 1)，共 40 件，錯誤 0 件，正確 率為 100%。媒介物為電氣設備的案例 中，發生原因為次要之關鍵屬性，將其 中發生原因為未完成斷電程序、未使用 適當防護具與防護裝備之案例分類至 意外碰觸帶電物件之危害類型 ( 類別 2) ，共 8 件，錯誤 0 件，正確率為 100%；
發生原因為損壞的機具設備之案例分 類至碰觸漏電或故障、損壞設備之危害 類型(類別 3) ，共有 3 件，錯誤 1 件，
正確率為 66.7%。媒介物為電線的案例 中，發生原因屬性為次要之關鍵屬性，
將其中發生原因為未使用適當防護具 與防護裝備、碰觸帶電設備之案例分類 至意外碰觸帶電物件之危害類型(類別 4) ，共 8 件，錯誤 1 件，正確率為 87.5%；發生原因為損壞的機具設備、
缺乏安全裝置之案例分類至碰觸漏電 或故障 、 損壞設備之危害類型 ( 類別 5) ，共有 4 件，錯誤 0 件，正確率為 100%。媒介物為車輛與機械設備的案 例中，作業別為次要之關鍵屬性，將其 中作業別為架設、移動或維修電線或電 桿之案例分類至車輛碰觸高壓電線之 危害類型(類別 6) ，共有 24 件，錯誤 0 件，正確率為 100%；作業別為架設有 線電視線路之案例分類至意外碰觸帶 電物件之危害類型(類別 7) ，共有 7 件，錯誤 0 件，正確率為 100%。媒介 物為電動手工具的案例會被分類至碰 觸漏電或故障、損壞設備之危害類型 (類別 8)，共 48 件，錯誤 1 件，正確率 為 97.9%。媒介物為帶電體(間接帶電) 的案例中，發生原因屬性為次要之關鍵 屬性，將其中發生原因為未保持安全距 離之案例分類至傳導性工具碰觸高壓 電線之危害類型(類別 9) ，共有 18 件，
錯誤 0 件，正確率為 100%；發生原因 為碰觸帶電設備之案例分類至意外碰 觸帶電物件之危害類型(類別 10) ，共 有 2 件，錯誤 0 件，正確率為 100%；
發生原因為不安全作業行為之案例分 類至碰觸漏電或故障、損壞設備之危害 類型(類別 11) ，共有 13 件，錯誤 0 件，
正確率為 100%。
路徑分析
應用卡方自動互動檢視法建立出 樹狀模型後，本研究詳讀卡方自動互動 檢視法分類所得九種類別的每一種個 案，找出每一個類別中所有案例發生情 境類似之共同點，進而將每個分類所包 含個案分別彙整為數個路徑，再以路徑 分析圖表示之，彙整出的路徑分析圖分 別呈現於圖 2 至圖 10。經過分析後發現 類型 3、類型 4 與類型 5 這三種類型職 災發生過程情境類似，所以整合成同一 路徑分析結果表示之。以下敘述各分類 所得案例之路徑分析圖，說明感電職災 發生的情境、罹災者碰觸電源的各種可 能路徑、每個路徑的案例件數、以及在 案例中出現的各種媒介物。
類別 1：媒介物為高壓電線時，危害類 型為勞工直接碰觸高壓電線
類別1是第一關鍵屬性媒介物為高壓電 線時，發生勞工直接碰觸高壓電線之危 害類型的正確率為100%。分析原因後 可發現，勞工除了可能直接碰觸高壓電 線外，也可能是爬上電線桿作業時碰觸 高壓電線或其週遭設備而感電，因此其 可能的感電路徑有三大類，如圖2所 示：A路徑(12件)為勞工、高壓電線，
此情境是勞工在有高壓電線的場所作 業時，直接碰觸高壓電線造成。B路徑 (23件)為勞工、電線桿、高壓電線，情 境為勞工爬上電線桿作業時，碰觸到高 壓電線而感電。C路徑(5件)為勞工、電 線桿、電線桿之設備、高壓電線，情境 為勞工爬上電線桿作業時，碰觸到高壓 電線之週遭設備而感電。感電之原因大 多為作業方便而未完成斷電程序或是 誤以為已完成斷電程序、未保持安全距 離、未使用適當防護具與防護裝備、未 完成接地、未保持安全距離而造成。
(1) 勞工→高壓電線(12件)
1 0
無論是在電線桿或是屋頂作業，在 高處作業時都必須在作業前先確認週 遭環境，尤其是架空之高壓電線的位 置。勞工安全衛生設施規則第十章第三 節第 260 條有明文規定在各電路電壓 下，應保持之安全距離，應將其標示於 作業場所。
(2) 電線桿→高壓電線(23件)、電線桿 之設備→高壓電線(5件)
勞工作業前常因為作業快速或是 方便，沒有依規定將電線桿上之設備或 電線完成斷電程序。另外，從案例中可 發現有罹災者是因為與同事之間溝通 不良，誤以為已完成斷電程序而發生感 電職災，應加強勞工之間的溝通及確認 是否已完成斷電。
(3) 高壓電線→墜落(8 件)
在電線桿或是在屋頂從事配線等 作業時若感電，之後很可能因為身體麻 痺或失去知覺而發生墜落，所以防護具 除了佩帶絕緣裝備外，應特別要求勞工 在高處時使用防護繩。
類別 2：媒介物為電氣設備且發生原因 為未完成斷電程序且未使用 適當防護具與防護設備時，危 害類型為意外碰觸帶電物件 類別 2 是第一關鍵屬性媒介物為電 氣設備且第二關鍵屬性發生原因為未 完成斷電程序且未使用適當防護具與 防護設備時，發生意外碰觸帶電物件之 危害類型的正確率為 100%。原因分析 結果為勞工在從事配電盤或配電箱相 關之業時，碰觸到配電盤或配電盤裡帶 有高壓電流的匯流排、變壓器或是無熔 絲開關等電氣設備而感電。因此其可能 的感電路徑僅有一類(8 件)，如圖 3 所 示：路徑為勞工、配電盤(箱)、電線。
發生原因大多為因方便而未在作業前 完成斷電程序，或是溝通不良等原因而 誤以為已完成斷電程序、作業空間不足 使身體活動受限、以及作業時未使用絕 緣手套而造成。
(1) 勞工→配電盤、配電箱(8 件)
由於配電盤或配電箱內電氣設備 之前方作業空間通常不足，使身體活動 姿勢受限制，很容易碰觸配電盤或配電 箱內帶有電流之設備，如匯流排、變壓 器、無熔絲開關等。所以在配電盤或配 電箱作業時，必須使用個人防護裝備。
(2) 配電盤(箱)→電線(8 件)
勞工安全衛生設施規則第十章，第 二節，第 254 條為上鎖、標示放電、檢 電、短路、接地等措施之相關規定，作 業前應確實遵守此規則。
類別 3、4 與 5：類型 3 媒介物為電氣設 備、類型 4 媒介物為電 線及類型 5 媒介物為電 動手工具，且發生原因 為損壞的 機具設備且 缺乏安全裝置時，危害 類型為碰 觸漏電或故 障、損壞之機具設備 類別 3 是第一關鍵屬性媒介物為電 氣設備，且第二關鍵屬性發生原因為碰 觸損壞的機具設備時，發生碰觸漏電或 故障、損壞設備之危害類型的正確率為 66.7%。此類別由於案例數僅有三件，
且其中編號 215 之案例勞工碰觸損壞機 具設備為高壓電線之無熔絲開關，因此 在分類上應將此筆資料分類至勞工直 接碰觸高壓電線，但卡方自動互動檢視 法將其分類至碰觸漏電或故障、損壞之 設備，故造成正確率降低。類別 4 是第 一關鍵屬性媒介物為電動手工具時，發 生碰觸漏電或故障、損壞設備危害類型 的正確率為 97.9%。類別 5 是第一關鍵 屬性媒介物為電線且第二關鍵屬性發 生原因為損壞的機具設備且缺乏安全 裝置時，發生碰觸漏電或故障、損壞設 備之危害類型的正確率為 100%。經由 分析後發現類別 3、類別 4 與類別 5 職 災過程情境類似，故可整合為一張圖表 示，分析原因結果為，勞工除了可能直 接碰觸已損壞漏電或電線外露的機具 設備外，也可能已損壞或電線外露的機 具設備之電流是經由週遭之水而傳導
1 1
至勞工身體而感電，例如勞工打赤腳踩 到積水、勞工身上之汗水滴到漏電或電 線外露的機具設備、或是漏電或電線外 露的機具設備掉落水中等情形，此時電 流會隨著水傳導至勞工而造成感電，因 此可能的感電路徑有二大類，如圖 4 所 示：A 路徑(49 件)為勞工、損壞的機具 設備、電線，情境為勞工身體部位直接 碰觸已損壞漏電或電線外露的機具設 備。B 路徑(9 件)為勞工、水、損壞的 機具設備、電線，情境為已損壞或電線 外露的機具設備之電流是經由週遭之 水而傳導至勞工身體。發生原因是未定 期保養機具設備、未使用適當防護具、
缺乏安全裝置、不安全的環境。
(1) 勞工→損壞機具設備(49 件)
電 動 手 工 具 不 可 長 時 間 持 續 使 用，否則可能因過熱而造成損壞。使用 電鑽或電鋸等工具時，錯誤的使用方 式，例如過度使用蠻力等，也容易造成 損壞。另外雇主也應設置維修部門，僱 用合格之電氣設備人員定期維護保養 電氣設備，無法修復之電氣設備應立即 淘汰換新。
(2) 損壞機具設備→電線(58 件)
電氣設備若有電線外露之情形，應 設置安全防護蓋遮蔽，以避免勞工接觸 感電。
(3) 勞工→水(9 件)
漏電之設備有時週遭地面會有積 水，此時勞工若打赤腳踩到地上積水，
會造成感電。作業時若打赤膊，身上之 汗 水 也 有 可 能 滴 到 漏 電 設 備 造 成 感 電，應避免勞工在作業時打赤腳、赤 膊。
類別 6：媒介物為電線且發生原因為未 使用防護具與防護設備且碰觸帶電設 備時，危害類型為意外碰觸帶電物件
類別 6 是第一關鍵屬性媒介物為電 線且第二關鍵屬性發生原因為未使用 適當防護具與防護設備且碰觸帶電設 備時，發生意外碰觸帶電物件之危害類 型的正確率為 87.5%。原因分析結果為
勞工從事與活線相關作業時使用金屬 工具或勞工身體部位直接接觸電線外 露之活線電流而造成感電，活線表示不 能將其停電之電線，無法像一般線路可 先完成斷電程序，因此在從事相關作業 時，應更謹慎處理並使用防護具。其可 能的感電路徑有二大類，如圖 5 所示：
A 路徑(5 件)為勞工、電線，情境為勞 工從事活線相關作業時，身體部位直接 接觸活線之電流。B 路徑(3 件)為勞工、
金屬工具、電線，情境為勞工從事機械 設備活線作業時，使用金屬工具接觸活 線電流。發生原因為作業時未使用適當 防護具與防護。
(1) 勞工→金屬工具(3 件)
配線作業時，有時會因為用電端的 需要，無法將某些線路採取斷電作業 (如廣播媒體、醫院、養殖業等)，所以 在處理此類型線路前，需配戴個人防護 裝備就顯得更為重要。
(2) 勞工→電線(5 件)、金屬工具→電線 (3 件)
McCann, et al (2003)的研究指出，勞工 從事低壓電路作業時，常因為時間的壓 力而在心態上有所輕忽，應訓練勞工使 之了解低壓電路也有致命危險。
類別 7：媒介物為車輛與機械設備且作 業別為架設、移動或維修電線或電桿 時，危害類型為車輛碰觸高壓電線
類別 7 是第一關鍵屬性媒介物為車 輛與機械設備，且第二關鍵屬性作業別 為架設、移動或維修電線或電桿時，發 生車輛碰觸高壓電線之危害類型的正 確率為 100%。分析原因可發現所有案 例都是勞工在起重機內，起重機吊桿 (或車臂)、吊桿上鋼索、鋼索上的吊運 物碰觸高壓電線。因此可能感電的路徑 有三大類，如圖 6 所示：A 路徑(11 件) 為起重機、吊桿(車臂)、高壓電線。B 路徑(9 件)為起重機、吊桿、鋼索、高 壓電線。C 路徑(4 件)為起重機、吊桿、
鋼索、吊運物、高壓電線，情境皆為勞 工操作車輛從事作業，例如移動或維修
1 2
電線或電桿時，起重機上設備碰觸高壓 電線，而使得在起重機上之勞工感電。
發生感電之原因皆為未保持安全距離。
(1) 勞工→起重機(24 件)
楊忠政(2002)曾比較固定式起重機 與移動式起重機之職業災害，發現移動 式起重機之災害類型以感電為最多，所 以雇主對於作業車輛駕駛人員資格應 嚴格控管，必須具備相關執照，或在作 業前請駕駛人員接受相關安全教育訓 練，取得證書或執照後才可從事駕駛作 業。
(2) 鋼索→高壓電線(9 件)
因 起 重 機 吊 桿 上 之 鋼 索 重 量 較 輕，容易被強風吹襲而碰觸高壓電線，
因此在使用起重機從事架設、移動、維 修電線或電桿作業時，如遇強風，應立 即禁止作業。
(3) 吊桿、車臂→高壓電線(11 件) 由於起重機本身體積相當龐大，加 上所延伸之設備，如吊桿、車臂等移動 範圍較大，造成操作不易、誤判距離而 碰觸高空之高壓電線，所以操作車輛時 應有監視人員在場監督，另外駕駛員在 操縱車輛時會因為視野死角而未發現 週遭之高壓電線，監督人員應使用無線 對講機等通訊設備與駕駛員保持密切 聯繫，告知週遭高壓電線等危害。
類別 8：媒介物為車輛與機械設備且作 業 別 為 架 設 有 線 電 視 線 路 時，危害類型為意外碰觸帶電 物件之感電路徑
類別 8 是第一關鍵屬性媒介物為車 輛與機械作業且第二關鍵屬性作業別 為架設有線電視線路時，發生意外碰觸 帶 電 物 件 之 危 害 類 型 的 正 確 率 為 100%。原因分析結果為勞工從事架設 有線電視線路時，因作業需要而先處理 作業週遭機械設備，此時機械設備電線 之電流可能透過金屬工具傳導至或直 接碰觸勞工身體部位而感電。因此其可 能的感電路徑有二大類，如圖 7 所示：
A 路徑(4 件)為勞工、電線，情境為勞
工從事架設有線電視線路作業時，其身 體部位直接接觸週遭損壞的電線。B 路 徑(3 件)為勞工、金屬工具、電線，情 境為勞工從事架設有線電視線路作業 時，使用金屬工具處理作業週遭機械設 備之電線而感電。發生原因大多因作業 方便未完成斷電程序或是誤以為已完 成斷電程序、作業時未使用適當防護具 與防護裝備之因素而造成。
(1) 勞工→金屬工具(3 件)
架設有線電視線路時，常需要使用 金屬工具處理週遭機械設備(例如排風 扇)之電線，所以在處理線路前，應配 戴防護手套。
(2) 勞工→電線(4 件)、金屬工具→電線 (3 件)
勞工架設有線電視線路作業時，若能請 用戶配合，在作業前先行完成斷電程 序，以停電作業來架設有線電視線路，
可避免勞工在處理週遭機械設備之電 線時而感電。
類別 9：媒介物為帶電體(間接帶電)且 發生原因為未保持安全距離時，危害類 型為傳導性工具碰觸高壓電線
類別 9 是第一關鍵屬性媒介物為帶電體 (間接帶電)，且第二關鍵屬性發生原因 為未保持安全距離時，發生傳導性工具 碰觸高壓電線之危害類型的正確率為 100%。原因分析結果為勞工搬運體積 較長之金屬材料，或是使用電動手工具 時，金屬材料或電動手工具碰觸作業週 遭或電線桿上之高壓電線而感電。因此 其可能的感電路徑有兩大類，如圖 8 所 示：A 路徑(14 件)為勞工、金屬材料、
高壓電線，情境為勞工搬運金屬材料 時，金屬材料碰觸高壓電線。B 路徑(4 件)是勞工、電動手工具、高壓電線，
情 境 為 勞 工 搬 運 或 使 用 電 動 手 工 具 時，電動手工具碰觸高壓電線。另外，
若勞工當時的作業場所在高處時，則感 電之後有墜落之可能。發生感電之原因 為未保持安全距離、未使用適當防護具
1 3
與防護設備，或是因為作業方便而使用 不正確的方式搬運金屬材料。
(1) 勞工→金屬材料(14 件)、電動手工 具(4 件)
部份金屬材料或電動手工具因體積過 長，單人無論以何種姿勢搬運，都會有 視野上無法顧及的範圍，應多配置人力 以較安全的方式搬運來確保安全。而陳 正倫(2006)的研究指出，在高壓電線週 遭搬運長形金屬材料時，應派置監視人 員監督，以提醒勞工在搬運時，應確保 人體或金屬材料與高壓電線之間保持 安全距離。
(2) 金屬材料、電動手工具→高壓電線 在高壓電線週遭搬運或使用金屬 手工具或金屬材料時，可先行向電力公 司申請在高壓電線四周設置防護套管 (Ore & Casini, 1996)，以避免誤觸高壓 電線時感電。
類別 10：媒介物為帶電體(間接帶電)且 發生原因為碰觸帶電設備，
危害類型為意外碰觸帶電物 件
類別 10 是第一關鍵屬性媒介物為 帶電體(間接帶電)且第二關鍵屬性發生 原因為碰觸帶電設備時，發生意外碰觸 帶 電 物 件 之 危 害 類 型 的 正 確 率 為 100%。原因分析結果為，勞工在從事 作業時，可能會因為碰觸帶有電流之金 屬製合梯或是鐵(鋼)架而感電，因此其 可能的感電路徑分為二大類，如圖 9 所 示：A 路徑(1 件)為勞工、合梯、電線，
此情境為勞工在高處從事作業時，使用 之金屬材質的合梯接觸電流而感電，之 後可能會從合梯上墜落下來造成更嚴 重傷害。B 路徑(1 件)為勞工、鐵(鋼) 架、電線，情境為勞工從事作業時，身 體部位碰觸作業週遭帶有電流傳導的 鋼(鐵)架，造成感電。此法則發生原因 是因作業方便未完成斷電程序或是誤 以為已完成斷電程序、未使用適當防護 具與防護裝備。
(1) 勞工→合梯、鐵架、鋼架(2 件)
勞工在使用鉗子等工具剪斷電線 時，被剪斷之電線可能直接掉落接觸勞 工身體，因此勞工應於作業時確實使用 個人防護具與防護裝備，而勞工安全衛 生設施規則第十章，第三節，第 259 條 規定，為避免勞工引起感電之危險，在 距離頭上、身側及腳下六十公分以內之 電路，應在該電路設置絕緣用防護裝 備。
類別 11：媒介物為帶電體(間接帶電)且 發生原因為不安全的作業行 為時，危害類型為碰觸漏電或 故障、損壞之設備
類別 11 是第一關鍵屬性作業別為帶電 體(間接帶電)，且第二關鍵屬性發生原 因為不安全的作業行為時，發生碰觸漏 電或故障、損壞設備之危害類型的正確 率為 100%。原因分析結果為，勞工在 高處作業時使用之合梯或施工架壓破 梯腳週遭電線而感電，因此其可能的感 電路徑有二大類，如圖 10 所示：A 路 徑(8 件)為勞工、合梯、電線，此情境 為勞工於合梯上作業，雙腳夾住合梯直 接移動，壓破梯腳週遭之電線，電流隨 合梯傳導至勞工身上造成感電。B 路徑 (5 件)為勞工、施工架、電線，此情境 為勞工使用施工架作業時，施工架壓破 週遭之電線，電流隨施工架傳導至勞工 身上造成感電。發生原因是不安全的作 業行為。
(1) 勞工→合梯(8 件)
勞工在合梯上作業時，常以雙腳夾 住合梯，直接在合梯上移動，此時合梯 很可能壓破梯腳旁之電線絕緣體而造 成感電，應於合梯梯腳設置絕緣體以避 免發生此情形。
(2) 合梯→墜落(8 件)
需攀上合梯的作業，常發生的狀況 為，勞工遭低壓電路感電後墜落至地 面，所以應要求勞工在合梯上作業時使 用防護繩。
五、結論與建議
本研究之防災對策是根據九種感
1 4
電分類之路徑分析結果來探討。從路徑 分析圖可以看出感電職業災害情境中 的所有媒介物與感電路徑，因此可以藉 由感電路徑分析圖找出感電職災的問 題發生點，並阻斷這些感電路徑，預防 類似的職業災害重複發生，對雇主來說 是非常有用的資訊，因為確定問題及預 防方法後，就可以依各種不同感電發生 情境與路徑型態來發展改善策略，並交 由公司各部門執行，例如安全措施等硬 體裝置是交由維修部門處理，安全訓練 等管理方針則交由管理部門處理。
參考文獻
1. 日本中央勞動災害防止協會，安全衛 生年鑑，平成 11 年：336-338。
2. 行政院勞工委員會勞工安全衛生研 究所，世界主要國家職業災害統計分 析報告，民國八十六年三月。
3. 行政院勞工委員會勞工安全衛生研 究所，世界主要國家職業災害統計分 析（二），民國八十七年五月。
4. Anand, S., Keren, N., Tretter, M. J., Wang,Y., O’Connor T. M,. and Mannan M. S.(2006) Harnessing data mining to explore incident databases. Journal of Hazardous Materials. 130, 33-41.
5. Casini, V. J.(1993) “Occupational electrocutions: Investigation and prevention”, Professional Safety, Jan, 34-39.
6. Chi , C.-F. and Wu, M.-L. (1997)
"Effects of age and occupation on occupational fatality rates", Safety Science. 27, 1-17.
7. Chi, C. F., Chang, T. C. and Hung, K.
H. (2004) (Aug) Significant industry-source of injury-accident type for occupational fatalities in Taiwan, International Journal of Industrial Ergonomics, 34, 77-91.
8. Chi, Chia-Fen, Chang, Tin-Chang and Hsin-I Ting (2005) Accident Patterns and Prevention Measures for Fatal Occupational Falls in the Construction Industry, Applied Ergonomics. 36, 391-400.
9. Drury, C. G. & Brill, M. (1983) Human Factors in Consumer Product Accident Investigation. Human Factors. 25(3), 329-342.
10. Grabmeier, J. and Rudolph, A. (2002) Techniques of cluster algorithms in data mining. Data Mining and Knowledge Discovering, 6, 303-360.
11. Jones, J. E., Armstrong, C. W., Woolard, C. D. and Miller, G. B., (1991) Fatal occupational electrical injuries in Virginia. Journal of Occupational Medicine, 33(1), 57-63.
12. Laflamme, L. & Menckel, E., 1995.
Aging and occupational accidents: A review of the literature of the last three decades. Safety Science., 21, 145-161.
13. Olafsson, S. and Yang, J. (2004) Intelligent partitioning for feature selection. INFORMS Journal on Computing, 17 (3), 339-355.
14. Ore, T. and Casini, V. (1997) Risk Differences in Fatal Occupational Injuries among Laborers in the United States, 1980-1992, Journal of Occupational and Environmental Medicine, 39(9), 832-843.
15. Pineault, M., Rossignol, M. and Barr, R.G. (1994) Inter-rater analysis of a classification scheme of occupational fatalities by electrocution, Journal of Safety Research, 25(2), 107-115.
16. Rekus, J. F. (1997) Shocking experiences, Occupational Hazards, Feb 1997: 23-26.
17. Smith, G. S., (1987) Injuries as a preventable disease: the control of occupational injuries from the medical and public health perspective, Ergonomics, Vol. 30, No. 2, 213-220.
18. Suruda, A. (1998) Electrocution at worker”, Professional Safety, Jul, 27-32.
19. Tuominen, E. and Saari, J. (1982) A model for the analysis of accidents and its application. Journal of Occupational Accidents. 4, 263-273.
20. Williamson A. & Feyer A.-M. (1998)
“The causes of electrical fatalities at
1 5
work”, Journal of safety research, vol 29, 187-196.
21. Wellman, H. M. Lehto, M. R.
Sorock, G. S. and Smith G. S. (2004) Computerized coding of injury narrative data from the National Health Interview Survey. Accident Analysis and Prevention, 36, 165-171.
1 6
圖 1 卡方自動互動檢視法樹狀模型圖 類別 2
(8,100%) 類別 1
(40,100%)
類別 3 (3,66.7%)
類別 4 (48,97.9%)
類別 5 (4,100%)
類別 6 (8,87.5%)
類別 7 (24,100%)
類別 8 (7,100%)
類別 9 (18,100%)
類別 11 (13,100%) 類別 10
(2,100%)
1 7
表 1 電腦搜尋分類結果
人工分類 電腦搜尋可能分類 準確率 召回率 (1)高壓電線 高壓電線、電線 67.2% 100%
(2)電氣設備 高壓電線、電線 0% 0%
(3)電線 電線 19.7% 100%
(4)燈具 燈具、電線 53.3% 100%
(5)車輛與機械設備 不詳 0% 0%
(6)電動手工具 不詳 0% 0%
(7)帶電體(間接帶電) 高壓電線 0% 0%
