Evaluation of Deterrent Impact of Ontario's Street Racing and Stunt Driving Law on Extreme Speeding Convictions
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to conduct a process and outcome evaluation of the deterrent impact of Ontario's street racing and stunt driving legislation, introduced in September 2007, on extreme speeding convictions. It was hypothesized that because males are much more likely to engage in speeding, street racing, and stunt driving, the new law would have more impact in reducing extreme speeding in males compared to females. METHODS: Descriptive statistics and time series plots were used for the suspensions data. Interrupted time series analysis with autoregressive integrated moving average (ARIMA) modeling was applied to the monthly extreme speeding convictions in Ontario for the period of January 1, 2003, to December 31, 2011, to assess the impact of the new legislation, separately for male drivers (intervention group) and female drivers (comparison group). RESULTS: The results indicated that per licensed driver, 1.21 percent of 16- to 24-year-old male drivers and 0.37 percent of 25- to 64-year-old male drivers had their licenses suspended between September 2007 and December 2011. This is in contrast to female drivers: 0.21 percent of 16- to 24-year-old female drivers and 0.07 percent of 25- to 64-year-old female drivers had their licenses suspended during the same time period. A significant intervention effect of reduced extreme speeding convictions was found in the male driver group, though no corresponding effect was observed in the female driver group. The findings of this study are consistent with previous research on demographics of street racers and stunt drivers. CONCLUSIONS: These findings are congruent with deterrence theory that certain, swift, and severe sanctions can deter risky driving behavior and support the hypothesis that legal sanctions can have an impact on the extreme speeding convictions of the intervention group.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».