A Pilot Study on Impact of Mood State on Emergency Response Capacity for Young Novice Drivers
Notice bibliographique
Résumé
As young novice drivers are inclined to getting involved in traffic accidents due to their improper emergency response under sorts of gender affective state, namely, mood, widely generated in fast-paced urban life, it is of great necessary to study the impact of mood state on responsive capacity for young novice drivers. Fourteen college students were recruited to take part in complex reaction experiments for this pilot study. Each subject’s mood was collected through a simplified POMS scale, while their complex reaction time (CRT) and response error rate (RER) were acquired during the experiments. The study results showed that young novice drivers’ RER was significantly positively correlated (pc=0.323 ∗ ∗ , “pc” omitted next) with their score of total mood disturbance (TMD), and a logarithmic regression model was feasible to describe the correlations with a good fitting effect. Further, their RER was also significantly positively correlated with score of negative mood state components such as nervousness (0.290 ∗ ∗ ), anger (0.300 ∗ ∗ ), fatigue (0.278 ∗ ∗ ), depression (0.287 ∗ ∗ ), and fluster (0.261 ∗ ), and a quadratic or cubic regression model was suitable to describe the correlations. Additionally, the young novice drivers’ CRT was significantly positively correlated with score of nervousness (0.222 ∗ ∗ ), vigorousness (0.227 ∗ ), and fluster (0.273 ∗ ), and a quadratic or exponential regression model was suitable to describe the correlations. The results can provide theoretical support for developing targeted intervention to improve young novice drivers’ emergency response capacity for driving training or traffic management authorities.
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 | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».