Developing an international survey of bicycle and helmet usage
Notice bibliographique
Résumé
The European Union‐funded collaborative network, COST Action TU1101: Towards safer bicycling through optimization of bicycle helmets and usage, aims to increase scientific knowledge about bicycle helmets in regards to traffic safety and to disseminate this knowledge to stakeholders, including cyclists, legislators, manufacturers, and the scientific community. The COST research team has developed a uniform international survey to better understand attitudinal and other factors that may influence bicycle and helmet usage, as well as crash risk. The online survey is being distributed by project partners in Europe, Israel, Australia, and potentially the US and Canada. The survey contains four types of questions: (1) biographical data, (2) frequency of cycling and amount of cycling for different purposes (e.g., commuting, health, recreation) and in different environments (e.g., bicycle trails, bike lanes, on sidewalks, in traffic), (3) frequency and circumstances for use and non‐use of helmets, attitudes and reasons for it, and; (4) crash involvement and level of reporting to the police. While the potential value of comparative data across countries with very different cycling cultures and safety levels is substantial, there are numerous challenges in developing, conducting, and analyzing the results of the survey. This presentation will focus on the scope of the international study, methodological issues and pitfalls of such a collaborative effort, and on initial results from one country (Israel). To illustrate, two findings from the preliminary Israeli survey indicate that: (1) none of the crashes were reported to the police including the ones involving hospital admission. Although underreporting of bicycle crashes by police is well documented in all countries the extent is unknown, and can be extreme. (2) Older riders tend to ride more for health/exercise reasons, while younger riders tend to ride more for commuting. Thus there is an interaction between riders’ age and the place and times of riding.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».