Experimental effects of injunctive norms on simulated risky driving among teenage males.
Notice bibliographique
Résumé
OBJECTIVE: Teenage passengers affect teenage driving performance, possibly by social influence. To examine the effect of social norms on driving behavior, male teenagers were randomly assigned to drive in a simulator with a peer-aged confederate to whom participants were primed to attribute either risk-accepting or risk-averse social norms. It was hypothesized that teenage drivers would engage in more risky driving behavior in the presence of peer passengers than no passengers, and with a risk-accepting compared with a risk-averse passenger. METHOD: 66 male participants aged 16 to 18 years holding a provisional driver license were randomized to drive with a risk-accepting or risk-averse passenger in a simulator. Failure to Stop at a red light and percent Time in Red (light) were measured as primary risk-relevant outcomes of interest at 18 intersections, while driving once alone and once with their assigned passenger. RESULTS: The effect of passenger presence on risky driving was moderated by passenger type for Failed to Stop in a generalized linear mixed model (OR = 1.84, 95% CI [1.19, 2.86], p < .001), and percent Time in Red in a mixed model (B = 7.71, 95% CI [1.54, 13.87], p < .05). CONCLUSIONS: Exposure of teenage males to a risk-accepting confederate peer increased teenage males' risky simulated driving behavior compared with exposure to a risk-averse confederate peer. These results indicate that variability in teenage risky driving could be partially explained by social norms.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».