The Influence of Visual-Manual Distractions on Anticipatory Driving
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study is to investigate how anticipatory driving is influenced by distraction. BACKGROUND: The anticipation of future events in traffic can allow potential gains in recognition and response times. Anticipatory actions (i.e., control actions in preparation for potential traffic changes) have been found to be more prevalent among experienced drivers in simulator studies when driving was the sole task. Despite the prevalence of visual-manual distractions and their negative effects on road safety, their influence on anticipatory driving has not yet been investigated beyond hazard anticipation. METHODS: A simulator experiment was conducted with 16 experienced and 16 novice drivers. Half of the participants were provided with a self-paced visual-manual secondary task presented on a dashboard display. RESULTS: More anticipatory actions were observed among experienced drivers; experienced drivers also exhibited more efficient visual scanning behaviors as indicated by higher glance rates toward and percent times looking at cues that facilitate the anticipation of upcoming events. Regardless of experience, those with the secondary task displayed reduced anticipatory actions and paid less attention toward anticipatory cues. However, experienced drivers had lower odds of exhibiting long glances toward the secondary task compared to novices. Further, the inclusion of glance duration on anticipatory cues increased the accuracy of a model predicting anticipatory actions based on on-road glance durations. CONCLUSION: The results provide additional evidence to existing literature supporting the role of driving experience and distraction engagement in anticipatory driving. APPLICATION: These findings can guide the design of in-vehicle systems and guide training programs to support anticipatory driving.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle