MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404445966 · doi:10.33492/jrs-d-24-4-2403622

Evaluation of the Victorian Safe Driving Program (SDP) for Hoon Drivers

2024· article· en· W4404445966 sur OpenAlexaff
Denny Meyer, Won Sun Chen, Ruvini Sanjeewa, James Boylan, John Catchpole, C Elliott, K Imberger

Notice bibliographique

RevueJournal of Road Safety · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensTransport Canada
Organismes subventionnairesSwinburne University of Technology
Mots-clésTransport engineeringComputer scienceBusinessComputer securityEngineering

Résumé

récupéré en direct d'OpenAlex

This study aimed to determine whether the Safe Driving Program (SDP), a behaviour change program ordered by the courts operating in Victoria, Australia, was successful in reducing the offending and crashes by hoon drivers. A sample of 3,324 hoon drivers who completed the SDP were compared with 1,063 hoon drivers who were ordered to complete the program but failed to do so. These two groups were also compared with a third group consisting of 30,678 hoon drivers who, for various reasons, had not been ordered to complete the SDP. Longitudinal group comparisons were made regarding overall, hoon and serious offending, as well as the number of crashes, fatalities and serious injuries and the proportion of offenders receiving bans and vehicle impoundments. Generalised Estimating Equations were used for this purpose, providing estimates of group differences. It was found that statistically significant benefits were obtained through the placement of SDP orders. However, differences between the offenders that completed their SDP order and those that failed to complete their SDP order were not always as expected. Reasons for this are explained and implications for the program, policies and penalties are discussed. No changes are recommended for current impoundment and SDP arrangements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Road Safety→Même sujetTraffic and Road Safety→Travaux en français237 207→