Beware of His Car: Why Are Men More Dangerous than Women Behind the Wheel?
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
According to statistics, men in Russia and most countries of the world are significantly more likely to cause road accidents than women. Understanding the reasons for these differences may be important for developing measures to reduce the number of road accidents. In the literature on Russia, the issue of the causes of this gender gap remains understudied. We analyse the magnitude of the gap in the odds of committing a serious crash by drivers of different genders and discuss possible reasons for these differences. For this, we use a dataset of 158,000 published court decisions under Article 264 of the Russian Criminal Code for the period from 2010 to 2022. We show that 91.7% of all cases involve male drivers. But even after accounting for differences in the number of drivers of different genders and the number of kilometers they drive on average, men are 3.25 times more likely to commit crashes resulting in criminal prosecutions. One reason for these differences is driving safety. Men are also more likely to commit aggravated road accidents. In almost a quarter of cases, male drivers were driving drunk, while for women the figure is only 10 percent. Judges in turn are more likely to give men a serious sentence if it is a non-fatal offence; in more serious cases, the gender of the driver is less important. We also found a very strong variation in the odds of causing a serious road accident for men and women between Russian regions, suggesting the influence of cultural and socio-economic differences.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle