Information on the Prevalence and Extent of Alcohol Abuse Among Commercial Tricycle Operators in Calabar
Notice bibliographique
Résumé
This study examines the prevalence and extent of Alcohol abuse among commercial tricycle operators in Calabar, Cross River State, Nigeria. Adopting a descriptive quantitative research method, data was collected from 385 participants from 6424 registered tricycle operators in Calabar using a questionnaire. The participants were selected using the convenience and random sampling technique. Data collected from the field were subjected to descriptive statistics. Out of the 385 distributed instruments, 383 were returned and used for data analysis. From the analyzed data, the result revealed that all the participants, 100.00 per cent, have taken alcohol before. 81.46 per cent taken alcohol before while working, Majority of the tricycle drivers, 38.90 per cent believes that alcohol makes them have clearer vision when driving, 31.59 per cent argued that it makes them work longer, 10.97 per cent maintain that it is because they are used to alcohol. 12.27 per cent of the participants take alcohol at every opportunity they get, 18.02 per cent reported drinking every day. Result also revealed that all the tricycle riders have had accidents before, 77.81 per cent were under the influence of Alcohol when the accidents happened. Based on this result, the study concludes that there was a high prevalence of alcohol abuse among tricycle riders in Calabar. Hence there is a need for the enactment of proper laws that determines the legal limit of alcohol among drivers to checkmate the issue of driving under the influence and its attendant consequences.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 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 ».