A Systematic Review on User Acceptance of Advanced Driver Assistance Systems (ADAS)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of Advanced Driver Assistance Systems (ADAS) to enhance the safety of vehicle occupants and other road users has recently increased. Most vehicle users are not very familiar with the system. Therefore, the identification of factors affecting the user acceptance of ADAS technologies is important from a road safety perspective as well as for vehicle manufacturers. The systematic review focuses on the user acceptance factors identified by several studies conducted worldwide, along with their methods and models. The PRISMA flow strategy is employed for research identification, screening, eligibility checks, and inclusion in the review. The respective studies are identified through a database search and bibliographic check. After filtering the existing studies using a Systematic Classification Scheme (SCS), only thirteen studies are included. Through the screening of the available studies, fifteen user acceptance factors for ADAS technology are identified. Most of these studies have used existing technology acceptance models and behavioral models to identify user acceptance of ADAS technologies. Surprisingly, some significant factors were identified outside the existing models. Hence, the importance of developing a specific user acceptance model for ADAS technology is highlighted in this study. Since there are numerous ADAS technologies available in modern vehicles, the factors identified in this review will be helpful for future researchers to focus on the influence of each factor on the available ADAS features. Furthermore, vehicle manufacturers can also take these factors into account in their future vehicle designs to enhance user awareness and the acceptance of ADAS technologies in their vehicles.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle