Critical Issues in Driving Simulation Methods and Measures
Notice bibliographique
Résumé
This panel focuses on key issues that confront investigators who use driving simulators and must (a) design experiments, (b) interpret data and (c) write reports in human factors and medical research-related applications of these simulators. Presentations from an experienced panel of researchers from the U.S. and Canada aim to raise awareness of the audience (and panel members) and discuss solutions to a number of thorny research issues confronting driving simulator users. This effort draws upon but is distinct from previous work that has customarily emphasized engineering concerns facing simulator developers. The panel began with a “Collaboratory” at University of Iowa in March 2001. Discussions continued at the Driving Assessment conferences in Snowmass (2001) and in Park City (2003), the latter under the aegis of the Simulation Users Group (SUG). The SUG met again at the Transportation Research Board (TRB) in Washington, D.C. in January (2004) to address an array of topics including physical fidelity, simulation adaptation syndrome, standards for reporting methods, and variable selection. The session room was filled to capacity and the topics were deeper than could be addressed in the available time. Clearly, the discussions needed to continue beyond the TRB. The current HFES panel session addresses a limited set of topics in depth and allow the audience to explore the issues at length during the open discussion period. The abstracts of each panelist address topics that are not much discussed in the literature. These topics include: simulator discomfort related drop-out rates, participant characteristics, measurement precision and missing data, and the need for simulation standards, e.g., for reporting methodology and as a prelude to clinical trials, e.g., to test efficacy of “treatments” such as in-vehicle driver alerting devices for at-risk drivers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,768 | 0,859 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,028 |
| Communication savante | 0,020 | 0,016 |
| Science ouverte | 0,011 | 0,012 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».