Ethical Decision-Making in Older Drivers During Critical Driving Situations: An Online Experiment
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
The present study examined the impact of aging on ethical decision-making in simulated critical driving scenarios. 204 participants from North America, grouped into two age groups (18–30 years and 65 years and above), were asked to decide whether their simulated automated vehicle should stay in or change from the current lane in scenarios mimicking the Trolley Problem. Each participant viewed a video clip rendered by the driving simulator at Old Dominion University and pressed the space-bar if they decided to intervene in the control of the simulated automated vehicle in an online experiment. Bayesian hierarchical models were used to analyze participants' responses, response time, and acceptability of utilitarian ethical decision-making. The results showed significant pedestrian placement, age, and time-to-collision (TTC) effects on participants' ethical decisions. When pedestrians were in the right lane, participants were more likely to switch lanes, indicating a utilitarian approach prioritizing pedestrian safety. Younger participants were more likely to switch lanes in general compared to older participants. The results imply that older drivers can maintain their ability to respond to ethically fraught scenarios with their tendency to switch lanes more frequently than younger counterparts, even when the tasks interacting with an automated driving system. The current findings may inform the development of decision algorithms for intelligent and connected vehicles by considering potential ethical dilemmas faced by human drivers across different age groups.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle