MétaCan
Menu
Retour à la cohorte
Enregistrement W2064034589 · doi:10.5539/ibr.v3n3p225

EFFICACY OF DRIVERS’ FATIGUE ON ROAD ACCIDENT IN SELECTED SOUTHWESTERN STATES OF NIGERIA

2010· article· en· W2064034589 sur OpenAlexvenueno aff
Joshua Remi Aworemi, Abdul-azeez Ibraheem Adegoke, Akintunde Jonathan Oyedokun, J. O. Adewoye

Notice bibliographique

RevueInternational Business Research · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOgun stateSimple random sampleRegression analysisSimple linear regressionRest (music)SocioeconomicsTraffic accidentRoad traffic accidentEnvironmental healthMedicinePsychologyOperations managementRoad trafficStatisticsGeographyTransport engineeringEngineeringMathematicsLocal governmentSociologyPopulation

Résumé

récupéré en direct d'OpenAlex

study was carried out in the administrative seats of Oyo and Ogun states of Nigeria with the aid of structured questionnaires which were administered on 325 respondents in the study area using simple random sampling approach. The collected data were analysed using multiple regression model.The study revealed that, duration of driving, stress, sleep deficit, alcohol contributed significantly to the causes of driver’s fatigue both at 5% and 10% significant levels.It was concluded that, the safest option is for driver to avoid driving when sleepy on when they are ill or taking medication. And that it is pertinent on them to plan their journeys in such a way that it will include regular rest, break of at least 15 minutes at every two hours.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,030
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,059
Tête enseignante GPT0,407
Écart entre enseignants0,348 · 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.

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

Citations14
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetSleep and Work-Related FatigueTravaux en français237 207