COVID-19 and speeding: Results of population-based survey of ontario drivers
Notice bibliographique
Résumé
INTRODUCTION: During COVID-19, increased speeding was observed in many jurisdictions. Yet, evidence is limited on what factors predicted increased speeding during the pandemic. This study's purpose was to examine speeding, and person and situation factors associated with increased speeding since the start of the pandemic. METHODS: An online panel survey sampled 1,595 drivers using sex, age, and region quota sampling and weighting to approximate the Ontario, Canada adult population. Measures included: (1) person factors: socio-demographics (age, sex, region); psychological trait of risk propensity (Competitive Attitudes Toward Driving Scale (CATDS)); psychological states (distress - general and COVID-19-related); and behaviors (kilometers driven, alcohol use, police stops and collisions); and (2) COVID-19-related situation factors: perceived changes in (traffic volume, police enforcement). RESULTS: 67.2% of respondents reported speeding; 7.2% reported increased speeding since the start of the pandemic. Bivariate analyses indicated that person factors of younger age, male sex, higher CATDS, higher distress, more alcohol use, more kilometers traveled, police stops, and collisions since the start of the pandemic were associated with increased speeding. Situation factor of perceived less traffic volume since the start of the pandemic was associated with increased speeding. Logistic regression analysis identified odds of reported increased speeding during the pandemic was significantly higher for drivers with higher scores on the CATDS, higher kilometers traveled, and more alcohol use during the pandemic. CONCLUSIONS: These findings suggest that higher risk propensity as well as the more kilometers driven and increased alcohol consumption were risk factors for increased speeding. PRACTICAL APPLICATIONS: COVID-19-related factors of lower traffic volume and enforcement are less predictive of increased speeding than driver personality and pandemic-related behaviors of more driving and drinking. Interventions to reduce speeding still need to focus on these person factors through education, enforcement, and strong sanctions for speeding.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».