For and againstDoes risk homoeostasis theory have implications for road safetyForAgainst
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
# Does risk homoeostasis theory have implications for road safety {#article-title-2} Risk homoeostasis (also called risk compensation) theory predicts that, as safety features are added to vehicles and roads, drivers tend to increase their exposure to collision risk because they feel better protected. Gerald Wilde provides evidence for it and suggests that it should be used to inform road safety strategies. Leon Robertson and Barry Pless, however, argue that the evidence is deeply flawed and that the theory is little better than an excuse for doing nothing # For {#article-title-3} Anyone wishing to reduce the risk of misfortune on the road to zero can do so by never using the roads, but that person would also miss all the benefits accruing from road travel and thus live a greatly diminished life. Suboptimal risk taking also occurs if a person underestimates or overestimates the danger of a given activity, because that person would either take too much risk or too little for greatest net benefit. A person learns to assess risk by perceiving the outcomes of decisions. Our intuitive assessment of risk is honed by our experience and that of others, sometimes communicated through the mass media. This feedback will thus confirm or correct a person's perception of the size of the four utility factors that determine the optimal (or target) level of risk (see box). #### Theory of risk homoeostasis While some actions entail more danger (probability×magnitude of loss) than others, there is no behaviour without some risk. The challenge, therefore, is to optimise rather than eliminate risk. This optimal, or target, level of risk is that which maximises the overall benefit (probability×amount). Four utility factors determine the target level of risk: The first two factors increase …
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle