MétaCan
Menu
Retour à la cohorte
Enregistrement W2346124930

Are texting and calls indeed needed while driving

2015· article· en· W2346124930 sur OpenAlexaboutno aff
Oren Musicant, Tsippy Lotan, Gila Albert

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhoneDistractionRisk perceptionInternet privacyDistracted drivingPsychologyMobile phoneCrashApplied psychologyQuarter (Canadian coin)AdvertisingBusinessComputer sciencePerceptionGeographyTelecommunications
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Texting and phone calls are considered as prominent types of driver distraction. All studies reviewed showed that actions involving texting significantly increase the risk of a crash. However, miscellaneous results about the safety implications of phone calls are reported. Answers of 757 Israeli respondents (57% males) to a web survey were analyzed to investigate: (1) patterns of texting and calling while driving, (2) drivers' view on the perceived risk and the need to text and call while driving, and (3) their willingness to use blocking apps which limit these smartphone usages. The results show that a high percentage of respondents use phone calls (73%, almost half do it at least frequently), and texting, illegal in Israel (35%, a quarter of them do so this continuously or frequently). We found high belief that texting compromises safety, however, this is not associated with low texting rates. Our analysis regarding the factors affecting the frequency of usage suggests that the main factor is the perceived need, while perceived safety had a non-significant effect for texting and a significant effect on phone calling. Almost half of the respondents are willing to try a blocking app regardless of the frequency of usage.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,093
Tête enseignante GPT0,378
Écart entre enseignants0,285 · 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'étudeObservationnel
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHuman-Automation Interaction and SafetyTravaux en français237 207