Transfer of Skills Learned on a Driving Simulator to On-Road Driving Behavior
Notice bibliographique
Résumé
A long-term, naturalistic, prospective-cohort transfer of training study was conducted in commercial driving schools in Quebec, Canada, to test the effects on driver performance and behavior of integrating driving simulator–based training (DSBT) into the driver education program. For the study, 1 h of DSBT could be substituted for 1 h of on-road training for up to six of the mandatory 15 h. Four driving schools provided a convenience sample of 1,120 learner drivers (average age 17.7 and 52.7% female) between January 2010 and December 2014. Of the study sample, 95% received 1 to 4 h of DSBT. Those in the comparison group were all new, young Quebec drivers who had completed the mandatory driver education program in the same period. This paper reports on the association between DSBT and government driving records for 2 years after licensing. The DSBT group recorded lower infraction rates and, controlling for vehicle ownership and age, comparable crash rates. The lower infraction rates for males, despite the higher vehicle ownership normally associated with greater and riskier driving exposure, are a positive and unexpected finding. Crashes are multifactorial events less obviously related to drivers’ skills or intentions, and the comparable crash rates potentially indicate absence of overconfidence attributable to a form of advanced driver training. Overall, these results show that the substitution of relatively few hours of DSBT for on-road training is associated with reduced infractions and has no apparent influence on crashes in the first 2 years of unsupervised driving after licensing.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».