MétaCan
Menu
Retour à la cohorte
Enregistrement W2991850039 · doi:10.1155/2019/2061532

Physiological Characteristics and Nonparametric Test for Master-Slave Driving Task’s Mental Workload Evaluation in Mountain Area Highway at Night

2019· article· en· W2991850039 sur OpenAlexvenueno aff
Haiwei Wang, Jianrong Liu, Feng You

Notice bibliographique

RevueJournal of Advanced Transportation · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésWorkloadTask (project management)SimulationDriving simulatorTest (biology)Computer scienceNonparametric statisticsTransport engineeringEngineeringApplied psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

With the rapid development of advanced mobile intelligent terminals, driving tasks are diverse, and new traffic safety problems occur. We propose a new research on physiological characteristics and nonparametric tests for the master-slave driving task, especially for evaluation of drivers’ mental workload in mountain area highway in nighttime scenario. First, we establish the experimental platform based driving simulator and design the master-slave driving task. Second, based on the physiological data and subjective evaluation for mental workload, we use statistical methods to composite the physical changes evolution analysis in a driving simulator. Finally, we finished nonparametric test of the drivers’ psychological load and road test. The results show that in compassion with the daytime scenario, drivers should pay much effort to driving skills and risk identification in the nighttime scenario. Thus, in the same driving condition, drivers should bear the higher level of mental workload, and it has been subjected to even greater pressures and intensity of emotions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,392
Score d'incertitude au seuil0,927

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,333
Écart entre enseignants0,305 · 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 tête enseignante, 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207