The effectiveness of driving simulator training on driving skills and safety in young novice drivers: A systematic review of interventions
Notice bibliographique
Résumé
INTRODUCTION: This systematic review evaluated the effectiveness of driving simulator training on simulated/on-road driving skills and safety in young novice drivers. METHOD: Searches were performed in Embase, Global Health, Medline, Scopus, and Web of Science databases, and on Google advanced, Google Scholar, and the Transport Research International Documentation websites. A total of 1,630 unique sources (titles and abstracts) were screened by two reviewers independently with 99 full-text articles reviewed for inclusion. Studies were included if they were a primary driving simulator intervention study that consisted of a randomized controlled trial, quasi-experimental, prospective cohort, and case-control design, published in English between January 1, 2010 and January 26, 2024. RESULTS: The review included 15 studies published in 2010-2022 (study sample size ranged from 30 to 183,197). Findings showed that driving simulator training (compared to control conditions) can immediately improve simulated driving skills (e.g., adjustment to stimuli, lane maintenance, and speed regulation), although it was unclear whether simulator training can improve on-road driving skills or safety, immediately or longitudinally. Studies showed low quality of evidence with increased risks of selection bias, confounding factors, and type I errors influencing findings. PRACTICAL APPLICATIONS: Since it is not known whether driving simulator training has short-term or long-term benefits on drivers' real-world driving skills or safety, it should not replace any training offered in driver education programs. However, driving simulator training can be included in driver education programs to supplement the in-class and on-road training. CONCLUSIONS: The quality of evidence in this review shows low confidence on whether findings accurately reflect true effects on driving skills or safety. Further research should enhance the quality of evidence and demonstrate the transfer effects of driving simulator training to valid measures of real-world driving before recommending any integration of simulator training into standard practice.
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 | 0,014 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».