MétaCan
Menu
Retour à la cohorte
Enregistrement W2570124755 · doi:10.1177/1541931215591358

Older Adults and Vehicle Design

2015· article· en· W2570124755 sur OpenAlexafffund
Tara Kajaks, Alexander M. Crizzle, Jessica A. Gish, Robert Fleisig, Brenda Vrkljan

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensUniversity of WaterlooMcMaster UniversityToronto Rehabilitation Institute
Organismes subventionnairesAUTO21 Network of Centres of ExcellencePublic Health Agency of Canada
Mots-clésUsabilitySample (material)PsychologyApplied psychologyMovement (music)Order (exchange)Older peopleBalance (ability)Computer scienceGerontologyHuman–computer interactionBusinessMedicine

Résumé

récupéré en direct d'OpenAlex

Vehicle designs that enhance the safety of older users should consider their needs in the design process. This study aimed to capture the ingress and egress strategies employed by older drivers in order to understand the relationship between balance and mobility and movement patterns. A sample of healthy older drivers ( n=15; aged 72.5±7.9) and those with mobility impairments ( n=17; aged 71.3±6.0) were captured entering and exiting four vehicle models using an adjustable vehicle mock-up. As well, semi-structured interviews and ride-a-longs were conducted with a sub-group ( n=7) of participants with mobility impairments in order to explore how bodily changes associated with aging impact vehicle usability. There were no significant differences across vehicle models in terms of ingress, but there were with egress. Particular movement strategies used by both groups are discussed with regard to safety. Through this movement analyses, such evidence can be used to develop innovations that inform the next generation of vehicles that consider the needs of older users.

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)0,005
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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,315
Écart entre enseignants0,265 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetOlder Adults Driving StudiesTravaux en français237 207