MétaCan
Menu
Retour à la cohorte
Enregistrement W3005049317 · doi:10.1136/injuryprev-2019-043426

Plight of the distracted pedestrian: a research synthesis and meta-analysis of mobile phone use on crossing behaviour

2020· review· en· W3005049317 sur OpenAlexaff
Sarah M. Simmons, Jeff K. Caird, Alicia Ta, Franci Sterzer, Brent Hagel

Notice bibliographique

RevueInjury Prevention · 2020
Typereview
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDistractionPedestrianPsycINFOPhonePoison controlMobile phoneConversationApplied psychologyActive listeningMeta-analysisInjury preventionObservational studyHuman factors and ergonomicsPsychologyComputer scienceMEDLINEMedicineEngineeringTransport engineeringMedical emergencyCommunicationStatisticsMathematicsCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Background Pedestrians are commonly involved in vehicle collisions that result in injuries and fatalities. Pedestrian distraction has become an emerging safety issue as more pedestrians use their mobile phones while walking and crossing the street. Objectives The purpose of this research synthesis and meta-analysis is to determine the extent to which cell phone conversation, text messaging or browsing, and listening to music affect a number of common pedestrian behavioural measures. Methods A keyword search was developed with a subject librarian that used MeSH terms from selected databases including PsycINFO, SPORTDiscus, Medline and TRID. Supplemental searches were also conducted with Google Scholar and Mendeley. Effect size coding Thirty-three studies met inclusion criteria and were subjected to data extraction. Statistical information (ie, M, SD, SE, 95% CI, OR, F, t ) was extracted to generate standardised mean difference effect sizes (ie, Cohen’s d) and r effect sizes. Results Fourteen experimental studies were ultimately included in an N-weighted meta-analysis ( k =81 effect sizes), and eight observational studies were included in a qualitative overview. Both mobile phone conversation and text messaging increased rates of hits and close calls. Texting decreased rates of looking left and right prior to and/or during street crossing. As might be expected, text messaging was generally found to have the most detrimental effect on multiple behavioural measures. Limitations A variety of study quality issues limit the interpretation and generalisation of the results, which are described, as are future study measurement and methods improvements.

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)0,037
score de la tête « metaresearch » (Gemma)0,096
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,096
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0140,033
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
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 Opus0,347
Tête enseignante GPT0,540
Écart entre enseignants0,193 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207