Effect of Culture on Gender Differences in Risky Driver Behavior through Comparative Analysis of 32 Countries
Notice bibliographique
Résumé
This study examines the effect of culture on gender differences in road user risky behaviors. With the hypothesis that gender differences are not solely because of biological factors, and that the existence and magnitude of differences between gender groups vary according to cultural context, because of differentiated social expectations in relation to gender roles, a secondary analysis was made of the E-Survey of Road Users’ Attitudes (ESRA) 2018 database, comprising 25,459 car drivers (53% male) surveyed by an online questionnaire in 32 countries distributed in eight cultural clusters. The interactions between gender and culture in reported behavior, and personal and social acceptability of four violations were analyzed: drinking and driving, speeding, not wearing a seatbelt, and the use of a cellphone while driving. The results show significant gender differences on risky behaviors and attitudes and complex interactions between gender and culture, with men valuing crash-risk behaviors more than women do in all cultural clusters observed. Interactions between gender and culture are more frequent on declared behaviors and personal acceptability than on perceived social acceptability, and on drinking and driving, and not wearing a seatbelt, more than on speeding and the use of a cellphone while driving. In addition, gender differences are greater in Western countries than in the Global South. These gender differences in road user behaviors, attitudes, and perceptions as results of an interaction between biological and evolutionary factors and cultural and social factors are discussed. These results could be useful to better tailor road safety campaigns and education.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».