Propensity to trust technology and subjective, but not objective, knowledge predict trust in advanced driver assistance systems
Notice bibliographique
Résumé
• With a survey, we investigated factors that predict trust in ADAS for current users. • Subjective knowledge, but not objective knowledge of limitations, predicted trust. • Objective and subjective knowledge were not correlated. • Propensity to trust technology in general also predicted trust in ADAS. Trust has been shown to influence whether drivers use advanced driver assistance systems (ADAS) appropriately, and thus understanding the factors influencing trust in ADAS may help inform interventions to support appropriate use. We surveyed 369 drivers to investigate the factors that predict trust in ADAS for current users. Participants were required to have experience using ADAS, specifically systems that simultaneously control longitudinal and lateral movement of the vehicle (participants reported using adaptive cruise control and lane keeping assist systems at the same time in their vehicle at least 1–4 times per month). In addition to assessing trust, the survey included questions to assess objective knowledge about ADAS limitations, self-reported understanding of ADAS (i.e., how correct and complete drivers thought their understanding of ADAS was), number of methods they had previously used to learn about ADAS, frequency of ADAS use, familiarity with technology, propensity to trust technology, and demographics. Regression results showed that self-reported understanding, but not objective knowledge, predicted trust in ADAS, with higher self-reported understanding being associated with higher trust. Self-reported understanding was not correlated with objective knowledge; participants rated their self-reported understanding highly, but only identified an average of 42% of the system limitations included in the survey. Propensity to trust technology was also a significant predictor of trust in ADAS, with higher propensity to trust technology in general associated with higher trust in ADAS. These findings suggest that interventions aimed at supporting appropriate trust in ADAS could be designed to increase drivers’ awareness of potential gaps in their understanding and adjust expectations of ADAS for those with a high propensity to trust technology.
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 | 0,003 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».