El propósito principal de esta tesis es comprender el comportamiento humano en situaciones de emergencia, enfocándose en la influencia que los factores subyacentes a la amenaza tienen en las decisiones de autoprotección de las personas. La metodología integra un enfoque innovador de recopilación de datos a través de experimentos online, el desarrollo de modelos predictivos de las acciones más probables aplicando Regresión Logística y explorando el rendimiento de algoritmos de Machine Learning, y la validación de la conducta en un entorno real. Los factores estudiados combinan varias emergencias, entornos físicos y sociales, y características sociodemográficas, en una muestra de 1807 participantes. Los resultados presentan conocimientos teóricos e implicaciones prácticas para mejorar la seguridad de las personas y las estrategias de gestión de riesgos. Esta investigación establece las bases para futuros estudios, subrayando la importancia del factor humano en el análisis de seguridad.
The main purpose of this dissertation is to understand human behaviour in emergency situations, with a focus on examining how underlying factors influence self-protective decision-making. The methodology integrates an innovative approach to data collection through online experiments, the development of predictive models applying Logistic Regression and exploring the performance of Machine Learning algorithms, and the validation of behavioral findings in a real setting. The factors under study encompass several emergencies, both physical and social environments, and sociodemographic characteristics, within a sample of 1807 participants. The results yield both theoretical insights and practical implications to enhance the safety of people and risk management strategies. This research establishes the basis for future studies, underscoring the significance of human factor in safety and security analysis.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International
