THE EFFECTS OF LISTENING WHILE DRIVING IN OLDER AND YOUNGER ADULTS
Notice bibliographique
Résumé
Abstract Driving collisions are a top cause of accidental death globally and adults aged 65+ are overrepresented. Driving is a highly complex task, requiring sensory processing, motor control, and divided attention. Driving is especially challenging when simultaneously listening to a passenger. Age-related declines in sensory (e.g., hearing) and cognitive abilities (e.g., working memory) may result in increased effort while listening. High listening effort may reduce spare cognitive capacity, thereby limiting the cognitive resources available to support driving. However, there are very few realistic and controlled experiments examining how the demands of listening while driving are managed in older adults. Therefore, the main objective of this study was to examine performance during a driving-while-listening task in older (aged 61-80 years, 15 female) and younger (aged 20-36 years, 12 female) adults with normal hearing/vision, and cognition, using a high-fidelity driving simulator. Participants completed a driving task at two different driving loads (e.g., straight in rural (low) vs. left turn in city (high)), a listening task (Connected Speech Test [CST]) at two different listening loads (+4 signal-to-noise ratio [SNR], 0 SNR), and both tasks together, to examine dual-task costs. Results demonstrated that only older adults showed significantly lower CST accuracy scores in the dual- compared to single-task conditions across both SNRs. Both older and younger adults showed significantly greater SD of lane position in the dual- compared to the single-task conditions, only under high driving load. Findings may inform educational practices, policies, and technological solutions to maintain and support safe driving among older adults.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».