Age and guile vs. youthful exuberance: Sensory and attentional challenges as they affect performance in older and younger drivers
Notice bibliographique
Résumé
With age there are reductions in sensory, attentional, and motor function that would predict deficits in performance in older drivers. A variety of studies suggest that the magnitude of these effects varies with the attentional demands of the task: age-deficits in performance are especially notable in tasks where there is high attentional load. These studies typically manipulate attentional load by imposing a secondary task that does not go naturally with driving (e.g. mental arithmetic). In this study, an attempt was made to manipulate the demands of the drive by using challenge factors intrinsic to driving. Three manipulations were investigated: a sensory challenge (driving in fog as compared to driving on a clear day); a traffic density challenge (driving in high as compared to low density traffic); and a navigational challenge (having to use memorized directions, signs and landmarks to navigate while driving as compared to simply “following the road”). The effects of these manipulations were investigated alone and in combination in 19 older adults (M age = 70.8 years) and 21 younger adults (M age = 18.2 years). Participants were tested in a high fidelity driving simulator. Hazard RT, collisions, steering performance and navigational errors were measured. Contrary to prediction, when the driving task was made more challenging, the older drivers performed as well or better than the younger adults, with significantly fewer collisions and marginally lower hazard RT. This high level of performance may have arisen because older drivers adjusted their speeds more appropriately in the face of different driving challenges. Speed adjustment indices were calculated for each condition and participant. For the older adults, these speed adjustment indices correlated with measures of selective and divided attention, which suggests that older adults with deficits in attentional processing adjust their driving speeds to compensate.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».