Controlling Impaired Driving Through Vehicle Programs: An Overview
Notice bibliographique
Résumé
The growing recognition of the problem presented by illicit vehicle operation by those whose license has been suspended for driving while intoxicated (DWI) has led to the increasing use of vehicle sanctions. These sanctions include vehicle impoundment and forfeiture, vehicle registration cancellation, and vehicle interlocks as penalties for DWI and driving while suspended (DWS). This article reviews the current information available on the use and effectiveness of vehicle sanctions for reducing offender recidivism. In the United States, 14 states have impoundment laws that are widely used as sanctions for both DWI and DWS, with the length of the impoundment increasing with the number of previous offenses. These laws have been shown to reduce recidivism while the vehicle is in custody and, to a lesser extent, even after the vehicle has been released. Vehicle impoundment is also widely used in Canada and New Zealand. Although a larger number of U.S. states have laws providing for vehicle forfeiture for DWI or DWS, this sanction tends to be limited to multiple offenders and therefore impacts fewer drivers. Cancellation of the vehicle registration and the confiscation of the vehicle plates are increasing in popularity because the vehicle tags are the property of the state, rather than the vehicle owner. Vehicle alcohol interlocks have proven to be an effective method for reducing DWI offender recidivism while they are on the car, but appear to produce only limited post-treatment behavior change. Interlocks are widely used in the United States and Canada and are beginning to be implemented in Europe and Australia. The issues that arise in implementing vehicle sanction programs are discussed and the actions taken by states to deal with them are described.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».