When should you warn the driver about the moose?: The effect of auditory cue timing on hazard localization in naturalistic videos
Notice bibliographique
Résumé
Safely responding to a road hazard and avoiding a crash requires knowing when the hazard occurs and where it is in the scene. Cueing attention to the hazard’s location speeds localization in naturalistic road videos, whereas invalid spatial cues slow localization (Wolfe et al., 2021). Since any alerting technology will be imperfect, invalid spatial cues produced in error are particularly dangerous on the road. Temporal cues (telling a driver when a hazard occurs) may be a more useful alternative, but it is unclear what cue-hazard timings are effective. Here, we investigated the effect of auditory cue timing on the speed and accuracy of hazard localization using a set of naturalistic driving videos showing real road hazards. Thirty licensed drivers aged 18-25 watched brief road videos lasting 2-8 seconds. Each video contained an annotated hazard that occurred at an unpredictable time before the end of the video. Observers indicated whether the hazard appeared on the left or right half of the screen. The auditory cue was presented at one of four times relative to hazard onset: -500ms, -250ms, 0ms, and 100ms (after hazard onset). Across all cue timing conditions, mean hazard localization accuracy exceeded 90%, and reaction times were significantly faster when a cue was present compared to a no-cue baseline (t >= 4.5, p <= 0.001 in each case). Hazards were localized faster when cues preceded the hazard, with the fastest reaction times in the -500ms condition (-500ms: M = 77ms, SE = 37ms vs. 0ms: M = 289ms, SE = 25ms; t = 6.46, p < 0.001). These results suggest that non-spatial auditory cues that are heard earlier (up to 500ms before the situation) help to orient attention to road hazards, even in the absence of specific location information in the cue.
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 | 0,026 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».