MétaCan
Menu
Retour à la cohorte
Enregistrement W2077059840 · doi:10.1080/15389580490269074

The Design of Child Restraint System (CRS) Labels and Warnings Affects Overall CRS Usability

2004· article· en· W2077059840 sur OpenAlexafffund
Christina M. Rudin-Brown, Mike Greenley, Andrea Barone, Joe Armstrong, Alice Salway, Beverley Norris

Notice bibliographique

RevueTraffic Injury Prevention · 2004
Typearticle
Langueen
DomainePsychology
ThématiqueSafety Warnings and Signage
Établissements canadiensTransport Canada
Organismes subventionnairesTransport Canada
Mots-clésUsabilityTask (project management)Computer scienceHuman factors and ergonomicsHuman–computer interactionPoison controlEngineeringMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

A study was conducted that assessed the effectiveness of different child restraint system (CRS) label/warning designs on users' installation performance. Forty-eight paid participants installed a convertible CRS in a vehicle, and two child test dummies in a CRS, using one of four label conditions. The label conditions were: (1) no labels, (2) the manufacturer's labels that were already affixed to the CRS ("Current"), (3) labels that were designed according to a combination of the current U.S. regulations concerning CRS labels and recently proposed changes to these regulations ("Proposed"), and (4) labels that were designed according to human factors principles and guidelines, and that were based on a hierarchical behavioral task analysis ("Optimal"). Results demonstrated that, overall, the Optimal labels resulted in higher usability ratings and better task performance. This indicates that labels designed using human factors and task analyses that identify critical task information requirements for label features will result in increased user compliance with instructions, higher usability, and improved task performance. Surprisingly, having no labels on the CRS resulted in better installation performance than when either the Current or the Proposed label conditions were used. This indicates that label design can decrease task performance; the actual physical design of a CRS may be just as critical as label content in the installation choices provided to the user. Collectively, results suggest that implementation of the proposed changes to the U.S. regulations concerning CRS labeling would likely not result in increased performance or usability compared to existing manufacturer labels that follow the current guidelines. In order to achieve significantly better ease-of-use and task performance, it would be necessary to implement features of the Optimal label condition.

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)0,005
score de la tête « metaresearch » (Gemma)0,032
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,287
Écart entre enseignants0,270 · 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

Citations26
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTraffic Injury PreventionMême sujetSafety Warnings and SignageTravaux en français237 207