Impact of Accidents Involving Autonomous Vehicles on the Perceived Benefits and Concerns
Notice bibliographique
Résumé
Autonomous vehicles (AVs) or self-driving cars have the potential to offer a large number of benefits such as improving the mobility for people with limited modes of transportation and the reduction of the emissions, energy, travel time, and required fleet size to service the same population.Despite the enthusiastic speculation of AVs, little is known about the public attitude towards AVs and the factors that affect the public acceptance of this emerging technology.However, the public attitude is considered a main determinant for the success of any new technology.Over the last few years, AVs were involved in multiple accidents that attracted the media and news.While these accidents are expected to affect the public attitude and discourage people from adopting AVs, the impact of these accidents on the public attitude has been rarely discussed in the literature.Thus, this paper mainly focuses on understanding and quantifying the impact of AVs accidents on the general opinion, level of trust, level of concern in traveling in an AV, perceived benefits, and perceived concerns using an online questionnaire survey that was completed by 1987 respondents from the USA.The results show that AVs accidents negatively affected the public attitude towards AVs that the level of interest in owning an AV decreased by 25%.Additionally, these accidents have negatively affected the level of trust in AVs that most of the respondents will not allow their kids to travel in an AV by themselves.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».