Gamification of Driver Distraction Feedback: A Simulator Study With Younger Drivers
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
Providing personalized behavioral information as feedback to drivers can lead to safer practices. However, feedback efficacy is likely moderated by the driver's level of motivation towards behavioral change. Gamification of feedback, which is the incorporation of game design elements intended to motivate drivers toward safe behaviors, could potentially reduce unsafe behaviors in the long term. This article assesses a gamified driver feedback design in mitigating driver distraction and enhancing driving performance among younger drivers. A driving simulator study was conducted with 42 drivers, 21–30 years old, comparing: 1) no feedback; 2) real-time feedback; 3) real-time feedback + postdrive feedback; and 4) real-time feedback + postdrive feedback + game design elements to examine their impact on distraction engagement (manual-visual interactions with an in-vehicle display) and driving performance. Groups that received postdrive feedback, both with and without gamification elements, showed reduced distraction engagement and enhanced driving performance compared to no feedback. Between the two types of postdrive feedback, the nongamified feedback provided more benefits in reducing the 95th percentile glance duration to the in-vehicle display, and the one with gamification provided more benefits in reducing the rate of manual interactions with the in-vehicle display. Meanwhile, no benefits were observed with the real-time feedback only condition over no feedback. Despite minor differences in efficacy, both postdrive and gamification feedback appear to be effective countermeasures for distracted driving in the short term. Future research should investigate other game designs for driver feedback and assess the impact of feedback gamification over longer-term exposure.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
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