Acceptance of Driverless Vehicles: Results from a Large Cross-National Questionnaire Study
Notice bibliographique
Résumé
Shuttles that operate without an onboard driver are currently being developed and tested in various projects worldwide. However, there is a paucity of knowledge on the determinants of acceptance of driverless shuttles in large cross-national samples. In the present study, we surveyed 10,000 respondents on the acceptance of driverless vehicles and sociodemographic characteristics, using a 94-item online questionnaire. After data filtering, data of 7,755 respondents from 116 countries were retained. Respondents reported that they would enjoy taking a ride in a driverless vehicle (mean = 4.90 on a scale from 1 = disagree strongly to 6 = agree strongly). We further found that the scores on the questionnaire items were most appropriately explained through a general acceptance component, which had loadings of about 0.7 for items pertaining to the usefulness of driverless vehicles and loadings between 0.5 and 0.6 for items concerning the intention to use, ease of use, pleasure, and trust in driverless vehicles, as well as knowledge of mobility-related developments. Additional components were identified as thrill seeking, wanting to be in control manually, supporting a car-free environment, and being comfortable with technology. Correlations between sociodemographic characteristics and general acceptance scores were small (<0.20), yet interpretable (e.g., people who reported difficulty with finding a parking space were more accepting towards driverless vehicles). Finally, we found that the GDP per capita of the respondents’ country was predictive of countries’ mean general acceptance score ( ρ = - 0.48 across 43 countries with 25 or more respondents). In conclusion, self-reported acceptance of driverless vehicles is more strongly determined by domain-specific attitudes than by sociodemographic characteristics. We recommend further research, using objective measures, into the hypothesis that national characteristics are a predictor of the acceptance of driverless vehicles.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».