Older adults’ acceptance of fully automated vehicles: Effects of exposure, driving style, age, and driving conditions
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
Automated vehicles are anticipated to have benefits for older adults in maintaining their mobility and autonomy. These anticipated benefits can only be realized if this technology is accepted and thus used by older adults. However, it remains unclear how certain factors affect older adults' acceptance of automated vehicles. This study investigated the extent to which older adults' acceptance of fully automated vehicles are affected by exposure to automated vehicle technology (pre- vs. post-exposure), driving style (manual style relative to automated style), driving conditions (clear, rain, traffic), and age. Thirty-six older adults (M = 73.25, SD = 5.96) completed non-automated (manual) and fully automated driving scenarios under different driving conditions in a high-fidelity driving simulator. The fully automated driving scenarios were designed to be reliably driven by the system in a conservative driving style. Driving conditions included clear daytime, rain, and high-traffic. Pre- and post-exposure to the simulated fully automated driving experience, participants rated their comfort level with fully automated vehicles (FAVs). Additionally, after each driving condition, participants answered a validated questionnaire on their acceptance of the simulated fully automated experience for each respective driving condition. Age and driving style were found to have a significant effect on older adults' acceptance of FAVs, with older age and greater dissimilarity of an individual's manual driving style from the FAV's driving style being associated with lower acceptance. The results suggest that if reliability of fully automated vehicles is ultimately ensured and is demonstrated to the older adults, their acceptance of fully automated vehicles is generally high, particularly if the FAV is operated in a style similar to their own.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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