Notice bibliographique
Résumé
Based on data from the Netherlands, Denmark, USA and UK, Jacobsen's paper in 2003 identified the non-linearity between the number of cyclists and pedestrians and the risk of injury from being hit by a motor vehicle. In other words, the more people walked and cycled, the fewer the number and rate of traffic collisions and injuries experienced by cyclists and pedestrians—a non-linear relationship. Jacobsen, termed this relationship, ‘Safety in Numbers’ (SIN), which was shown at different levels of scale, whether at an intersection, a city or a country. More recent work has since shown SIN to occur in other countries such as Australia. The (SIN) effect quickly grabbed the attention of public health promoters who were seeking ways to promote active travel, including walking and cycling. Efforts to address growing levels of obesity and inactivity in the developed world were, and still are, underway and the concept of SIN was seen to support the clarion calls for measures to promote the number of walkers and cyclists. SIN was also seen as a support by those demonising any measure that might deter the numbers of those walking and cycling, such as the mandatory use of cycle helmets. In fact, people who campaigned for increasing helmet use were lambasted and accused of potentially increasing serious injuries among cyclists by reducing the SIN effect. It is probably the public health fraternity who have done much to increase the impact of this paper, more so than those concerned with injury prevention and/or transportation safety. Arguably, the Jacobsen's paper led to a paradigm shift among planners and engineers who could think about pedestrian and bicycle safety in a different way and not be so fearful that by encouraging increases in walking and cycling they would see an increase in traffic collisions and causalities. … Language: en
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».