MétaCan
Menu
Retour à la cohorte
Enregistrement W1966314913 · doi:10.3141/1759-05

Effects of Conformal and Nonconformal Vision Enhancement Systems on Older-Driver Performance

2001· article· en· W1966314913 sur OpenAlexafffund
J.K. Caird, William J. Horrey, C.J. Edwards

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2001
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of Calgary
Organismes subventionnairesTransport Canada
Mots-clésVisibilityIntersection (aeronautics)DuskConformal mapDriving simulatorSimulationComputer scienceEngineeringTransport engineeringMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

The effects of two types of vision enhancement system (VES) displays on younger- and older-driver performance were systematically examined in various contexts. Younger and older drivers used either a conformal or a nonconformal VES display while driving in a fixed-base driving simulator. Within each block of trials, traffic scenarios were used to test driver performance: everyday driving, intersection approaches, emergency events, and VES failure. Conformal imagery directly highlighted aspects of the traffic environment, whereas nonconformal displays were coupled to environmental events but not superimposed on them. In all driving scenarios, conformal displays had a performance advantage over nonconformal displays. These advantages, however, depended on what was highlighted and whether a highlight covered or obscured important information about the environment. The perceived benefits of VESs are in situations where visibility is limited by weather (e.g., fog, snow, or rain), time of day (e.g., night or dusk), or roadway geometry (e.g., curves or railway crossings). Implications of the results for the design of conformal and nonconformal VESs and for future research are discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,417
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207