Effects of Age and Experience on Young Driver Crashes: Review of Recent Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Although both youth and inexperience contribute to the elevated crash rates of teenage drivers, the relative contribution of these factors has not been firmly established. METHODS: A review was undertaken of eleven recent (1990 or newer) studies that tried to separate the crash effects of age and experience, represented by length of licensure. RESULTS: The weight of evidence is that age and experience have important, independent effects on crash risk, even after differences in driving mileage are accounted for. The studies consistently found that teenage drivers had dramatically higher crash rates than older drivers, particularly drivers older than 25, after controlling for length of licensure. Studies that distinguished 16-year-olds found that crash rates for novice 16-year-olds were higher than rates for novice 17-year-olds, but crash rates for novice 17-year-olds were not consistently higher than rates for novice 18- to 19-year-olds. With regard to experience, the weight of evidence suggests a steep learning curve among drivers of all ages, particularly teenagers, and strong benefits from longer licensure. Of the studies that attempted to quantify the relative importance of age and experience factors, most found a more powerful effect from length of licensure. CONCLUSIONS: The findings lend support to delaying licensure among teenagers in the United States, where licensure commonly is allowed at age 16, and to graduated licensing systems that phase in unsupervised driving during high-risk situations as teenagers gain independent driving experience.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle