Personality and Metamotivational Predictors of Aggressive Driving
Notice bibliographique
Résumé
Aggressive driving is an all-too common occurrence and a major cause of serious motor vehicle accidents. This investigation examined relations among individuals' personality and metamotivational tendencies and their propensity for aggressive driving. In Phase 1 of this research, 270 participants recruited from the psychology participant pool of a medium-sized Canadian university completed an online survey that examined propensity for aggressive driving in relation to driving behaviors and measures of personality and motivation, including the Motivational Style Profile Phase 2 was a pilot study of 12 participants who took part in a driving simulator experimental session in which participants' reactions to driving scenarios that are intended to elicit aggressive driving were observed and recorded, and pre-and posttest measures of physiological indicators and mood states were administered. Findings from Phase 1 indicated that individuals who were higher in narcissism, impulsivity, negativism, and paratelic dominance showed greater propensity for aggressive driving. In addition, individuals who were high in negativism reported less consistent use of seatbelts, and more negative driving incidents such as previous accidents and incidents of inattentive driving. Negativism was also found to be significantly associated with propensity for aggressive driving in the Phase 2 pilot study, and negativist dominant individuals were found to show decreases in negative mood state and physiological arousal after the simulated driving, relative to conformist dominant participants. Implications of considering metamotivational predictors of aggressive driving are discussed.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».