MétaCan
Menu
Retour à la cohorte
Enregistrement W2111013677 · doi:10.1080/15389588.2012.702249

Licensing Age Issues: Deliberations from a Workshop Devoted to this Topic

2013· article· en· W2111013677 sur OpenAlexaff
Allan F. Williams, Anne T. McCartt, Daniel R. Mayhew, Barry C. Watson

Notice bibliographique

RevueTraffic Injury Prevention · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensTraffic Injury Research Foundation
Organismes subventionnairesnon disponible
Mots-clésLegislatureLicensureHuman factors and ergonomicsOccupational safety and healthSuicide preventionPoison controlInjury preventionPolitical sciencePublic relationsGerontologyMedicineEngineeringPsychologyMedical educationEnvironmental healthLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To highlight the issues and discuss the research evidence regarding safety, mobility, and other consequences of different licensing ages. METHODS: Information included is based on presentations and discussions at a 1-day workshop on licensing age issues and a review and synthesis of the international literature. RESULTS: The literature indicates that higher licensing ages are associated with safety benefits. There is an associated mobility loss, more likely to be an issue in rural states. Legislative attempts to raise the minimum age for independent driving in the United States--for example, from 16 to 17--have been resisted, although in some states the age has been raised indirectly through graduated driver licensing (GDL) policies. CONCLUSIONS: Jurisdictions can achieve reductions in teenage crashes by raising the licensing age. This can be done directly or indirectly by strengthening GDL systems, in particular extending the minimum length of the learner period. Supplementary materials are available for this article. Go to the publisher's online edition of Traffic Injury Prevention for the following supplemental resource: List of workshop participants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraffic Injury PreventionMême sujetTraffic and Road SafetyTravaux en français237 207