Factors Affecting Self-Regulatory Driving Practices Among Older Adults
Notice bibliographique
Résumé
OBJECTIVE: The primary objective of this study was to better understand how self-regulatory driving practices at multiple levels of driver decision making are influenced by various factors. Specifically, the study investigated patterns of tactical and strategic self-regulation among a sample of 246 Australian older drivers. Of special interest was the relative influence of several variables on the adoption of self-regulation, including self-perceptions of health, functioning, and abilities for safe driving and driving confidence and comfort. METHODS: The research was carried out at the Monash University Accident Research Centre, as part of its Ozcandrive study, a partnership with the Canadian Driving Research Initiative for Vehicular Safety in the Elderly (Candrive), and in conjunction with the University of Michigan Transportation Research Institute (UMTRI). Candrive/Ozcandrive represents the first study to follow a large group of older drivers over several years and collect comprehensive self-reported and objectively derived data on health, functioning, and driving. This study used a subset of data from the Candrive/Ozcandrive study. Upon enrolling in the study, participants underwent a comprehensive clinical assessment during which data on visual, cognitive, and psychomotor functioning were collected. Approximately 4 months after study enrollment, participants completed the Advanced Driving Decisions and Patterns of Travel (ADDAPT) questionnaire, a computer-based self-regulation instrument developed and pilot-tested at UMTRI. RESULTS: Self-regulation among older adults was found to be a multidimensional concept. Rates of self-regulation were tied closely to specific driving situations, as well as level of decision making. In addition, self-regulatory practices at the strategic and tactical levels of decision making were influenced by different sets of factors. CONCLUSIONS: Continuing efforts to better understand the self-regulatory practices of older drivers at multiple levels of driver performance and decision making should provide important insights into how the transition from driving to nondriving can be better managed to balance the interdependent needs of public safety and personal mobility.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».