Role of Habits in Cell Phone-Related Driver Distractions
Notice bibliographique
Résumé
Despite increased media attention and legislation banning some forms of cell phone use while driving, drivers continue to engage in illegal cell phone distractions. Several studies have used the theory of planned behavior (TPB) to explain why drivers voluntarily engage in cell phone distractions, and found that TPB constructs (attitudes, social norms, perceived behavioral control) predict intentions to engage in cell phone distractions while driving. Given that cell phone use is ubiquitous, habits that have formed around their general use may lead to automatic engagement in cell phone distractions while driving. This differs from voluntary engagement, in that habits are carried out automatically, with little thought given to the action or its consequences. Thus, in addition to the TPB constructs that explain intentions, habitual factors should also be considered in understanding why drivers use cell phones. A few studies have examined the role of habits in this context, but they only focused on texting behaviors. An online survey was conducted with 227 respondents to investigate the role of habitual cell phone use in driver engagement in a variety of illegal cell phone tasks (e.g., social media, email). Habitual cell phone use was found to explain unique variance in self-reported engagement after controlling for TPB constructs. Overall, the findings indicate that cell-phone-related distractions may not be entirely voluntary; instead, cell phone habits developed outside of the driving context appear to have a significant effect, suggesting that cell phone use while driving may have become automatic to a certain extent.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».