MétaCan
Menu
Retour à la cohorte
Enregistrement W2012279727 · doi:10.3141/2279-08

Crash Modification Factors

2012· article· en· W2012279727 sur OpenAlexaff
Ezra Hauer, James A. Bonneson, Raghavan Srinivasan, Charles V. Zegeer

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCrashRisk analysis (engineering)Computer scienceOperations researchConceptual frameworkStandard deviationAccident (philosophy)Management scienceTransport engineeringEconometricsEconomicsEngineeringBusinessMathematicsSociologyStatisticsEpistemology

Résumé

récupéré en direct d'OpenAlex

Crash modification factors (CMFs) are listed in the Highway Safety Manual and other authoritative publications. This information does not allow the reader to distinguish between the predictions of safety effect that can be made confidently and are likely to lead to correct decisions and those that can easily be wrong. Nor can it be known how transferable past research results are to decisions about future actions to be implemented under different circumstances. The conceptual framework described in this paper aims to provide guidance for research about CMFs and for meta-analyses. The central claim is that CMFs are random variables and are not universal constants that apply everywhere at all times. The smaller the standard deviation of a CMF, the more confident the related decision making can be. Therefore, the aim of research into CMFs is to reduce their standard deviations. Ways to do so efficiently are indicated. The requisite theory and equations are provided.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,115
Tête enseignante GPT0,368
Écart entre enseignants0,253 · 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 tête enseignante, 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

Citations44
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetTraffic and Road SafetyTravaux en français237 207