MétaCan
Menu
Retour à la cohorte
Enregistrement W2183068921

Unlicensed Driving Worldwide – The Scope of the Problem and Countermeasures

2015· article· en· W2183068921 sur OpenAlexaboutno aff
B M Sweedler

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLicenseCrashBusinessTransport engineeringEngineeringComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The problem of unlicensed driving is a major road safety problem in countries around the world. A survey in the U.S. showed that 20 percent- one in every five- of all fatal crashes in the U.S. involve drivers who should never have been on the road in the first place due to the fact they were unlicensed. A study in Queensland, Australia showed that unlicensed drivers represented 7.9 % of drivers involved in fatal crashes. The study results suggest that unlicensed drivers are more likely to engage in higher risk behaviors than licensed drivers. A 2006 study, conducted for MADD Canada, found that suspended drivers in Saskatchewan continued to drive with no license and that these drivers were at higher risk to be in an automobile crash. In Ontario, one in fourteen fatal crashes involved an unlicensed driver. European countries have also found that unlicensed drivers pose a higher risk. For example, in the U.K., breath test results showed that 17 % of disqualified drivers who were breath tested after an accident were positive compared with the national average for all post-crash tests of 3%. A 2004 U.K. Department for Transport report found that there are around a million unlicensed drivers on U.K. roads. The report notes that while unlicensed drivers account for less than one percent of total hours driven, unlicensed drivers are up to nine times more likely to have an accident than licensed drivers. Data also indicates that the problem is increasing in France and Belgium. This paper will discuss the worldwide scope of the problem and potential solutions, including the impoundment of the vehicles of those who are driving illegally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,008
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,232
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative IdentityTravaux en français237 207