MétaCan
Menu
Retour à la cohorte
Enregistrement W4379983938 · doi:10.1136/ip-2023-044884

Blame attribution analysis of police motor vehicle collision reports involving child bicyclists

2023· article· en· W4379983938 sur OpenAlexaffabout
Léa Caplan, Bonnie Lashewicz, Tona M. Pitt, Janet Aucoin, Liraz Fridman, Tate HubkaRao, Ian Pike, Andrew Howard, Alison Macpherson, Linda Rothman, Marie‐Soleil Cloutier, Brent Hagel

Notice bibliographique

RevueInjury Prevention · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensSpinal Cord Injury BCPublic Health OntarioAlberta Health ServicesSickKids FoundationYork UniversityInstitut National de la Recherche ScientifiqueHospital for Sick ChildrenUniversity of GuelphUniversity of British ColumbiaToronto Metropolitan UniversityUniversity of TorontoInstitute for Clinical Evaluative SciencesUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBlameThematic analysisPoison controlCollisionInjury preventionOccupational safety and healthOfficerHuman factors and ergonomicsSuicide preventionPsychologyApplied psychologyPerceptionComputer securityEngineeringSocial psychologyEnvironmental healthQualitative researchMedicinePolitical scienceComputer scienceLawSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Injuries resulting from collisions between a bicyclist and driver are preventable and have high economic, personal and societal costs. Studying the language choices used by police officers to describe factors responsible for child bicyclist-motor vehicle collisions may help shift prevention efforts away from vulnerable road users to motorists and the environment. The overall aim was to investigate how police officers attribute blame in child (≤18 years) bicycle-motor vehicle collision scenarios. METHODS: A document analysis approach was used to analyse Alberta Transportation police collision reports from Calgary and Edmonton (2016-2017). Collision reports were categorised by the research team according to perceived blame (child, driver, both, neither, unsure). Content analysis was then used to examine police officer language choices. A narrative thematic analysis of the individual, behavioural, structural and environmental factors leading to collision blame was then conducted. RESULTS: Of 171 police collision reports included, child bicyclists were perceived to be at fault in 78 reports (45.6%) and adult drivers were perceived at fault in 85 reports (49.7%). Child bicyclists were portrayed through language choices as being irresponsible and irrational, leading to interactions with drivers and collisions. Risk perception issues were also mentioned frequently in relation to poor decisions made by child bicyclists. Most police officer reports discussed road user behaviours, and children were frequently blamed for collisions. CONCLUSIONS: This work provides an opportunity to re-examine perceptions of factors related to motor vehicle and child bicyclist collisions with a view to prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,259
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetTraffic and Road SafetyTravaux en français237 207