知识卡片：职业事故叙述中事故过程角色分类的跨行业泛化

一句话结论

在法语职业事故叙述中，仅用建筑业数据开发并选择的事故过程角色分类器，无需重训或目标域调参即可迁移到冶金、化学-塑料及独立企业语料；任务特定适配优于冻结预训练表示，三种领先策略在三个目标语料上的平均平衡准确率约为 85.6%–85.8%。

事件概述或研究问题

• 职业事故叙述包含工作情境、不利条件、事故事件或偏差、后果等信息，自动结构化有助于大规模事故分析与职业风险预防。
• 核心问题是：不同行业和组织描述事故时使用的术语与写作风格差异很大，自动编码系统能否泛化到训练域之外？
• 本文评估法语职业事故叙述中“事故过程角色分类”的跨行业泛化能力。

方法/产品要点

• 构建专家标注语料，将事实单元（factual units）分为四类角色：
  • A0：工作情境（work situation）
  • A1：明确报告的不利条件（explicitly reported unfavourable condition）
  • B：事故事件或偏差（accident event or deviation）
  • C：报告后果（reported consequence）
• 分类器仅在建筑业语料上开发与选择：42,244 个事实单元，来自 6,040 篇叙述。
• 在未见语料上评估：冶金行业、化学-塑料行业，以及一个独立收集的公司语料；不重训、不做目标域调参。
• 比较三类策略：冻结预训练表示（frozen pretrained representations）、任务特定微调（task-specific fine-tuning）、监督表示学习（supervised representation-learning strategies）。
• 进行重复训练运行。

主要结果或产业意义

• 任务特定适配一致优于冻结预训练表示，在跨域迁移上表现更好。
• 三种领先的任务适配策略在三个目标语料上的平均平衡准确率介于 85.6% 与 85.8% 之间。
• 结果支持开发可迁移的辅助编码系统，用于一致地结构化异构职业事故叙述，服务专家复核与跨行业预防分析。

为什么重要

• 跨行业、跨组织事故叙述的术语和写作风格差异，是自动化编码落地的核心风险；本文给出了一个“不重训、不目标域调参”的跨行业评估结果。
• 若可复现，此类系统可能减轻专家手工编码负担，并支持跨行业职业安全分析。
• 与既有“冻结视觉嵌入”相关卡片相似，本条也关注域外泛化与表示适配方式；增量在于：场景从艺术风格分类转向法语职业事故叙述角色分类，并报告任务适配相对冻结表示的跨域迁移优势。

局限与不确定性

• 当前仅见摘要与元数据，以下细节待核实：具体模型架构、标注一致性、数据划分、统计显著性、按行业或角色的细分结果、错误分析、数据与代码可用性。
• 语言与行业范围有限：训练域为法语建筑业，目标域为冶金、化学-塑料及一个独立企业语料；对其他语言、国家、行业和组织的泛化待核实。
• “平均平衡准确率”是跨三个目标语料汇总，单语料与单角色表现待核实。
• 是否已在真实专家工作流中验证、隐私与伦理审查、部署成本等，材料未说明，待核实。

可用于图书/PPT/简报的角度

• 作为“领域偏移/跨行业泛化”案例：训练域单一，评估域多样。
• 作为“任务适配 vs 冻结表示”的 NLP 证据：微调或监督表示学习更利于跨域迁移。
• 作为“AI 辅助专家编码”案例：自动结构化事故叙述，专家复核，跨行业风险预防。
• 作为“人机协作安全分析”案例：强调辅助而非完全替代专家判断。
• 作为“评估协议设计”案例：不重训、不目标域调参的域外评估更能暴露泛化能力。

原始材料

• English title: Cross-sector generalization of accident-process role classification in occupational accident narratives
• English keywords: 待核实（来源未提供作者关键词；arXiv 分类为 cs.CL）
• Authors: Aho Yapi, Pierre Latouche, Arnaud Guillin, Yan Bailly
• arXiv ID: 2609.22081v1
• Published: 2026-09-18T17:59:10Z
• Updated: 2026-09-18T17:59:10Z
• Primary category: cs.CL
• Categories: cs.CL
• Abstract URL: https://arxiv.org/abs/2609.22081v1
• PDF URL: https://arxiv.org/pdf/2609.22081v1
• Original source: arXiv，依据提供的 fetched title、description 与 abstract excerpt 整理。