The utility of cognitive testing to predict real world commercial driving risk
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
Driving is a complex task which requires numerous cognitive and sensorimotor skills to be performed safely. On-road driver evaluation can identify unsafe drivers but can also be expensive, risky, and time-consuming. Poor performance on off-road measures of cognition and sensorimotor control has been shown to predict on-road performance in privately-licensed light vehicle drivers, but commercial drivers have not yet been studied despite such vehicles generally being larger and heavier, thus increasing risks from unsafe driving. Commercially-licensed truck, bus, and light vehicle drivers undertook the tablet-based Vitals cognitive screening tool, which measures reaction time, judgement, memory, and sensorimotor control, and also undertook an on-road driving evaluation using their vehicle. Accuracy and reliability of the Vitals tasks on predicting road test outcomes were investigated using a trichotomous classifier (pass, fail, borderline), and task performance was analyzed depending on vehicle type and road test outcome. Performance on the Vitals tasks predicted on-road performance across all vehicle types. Participants who failed their on-road evaluation also demonstrated lower success on the Judgement task, fewer correctly replicated shapes on the Memory task, and less time on-target in the Control task compared to those who passed. Performance on cognitive and sensorimotor tasks is a good predictor of future driving performance and driver safety for commercially-licensed drivers. Regardless of vehicle type, stakeholders can use cognitive measures from the Vitals assessment to identify an increased driving risk. Use of the Vitals as a screening tool prior to on-road evaluation can benefit both drivers and evaluators.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle