Effectiveness of a remedial program for impaired driving offenders delivered in-person versus via videoconferencing: A randomized controlled trial
Notice bibliographique
Résumé
Background Remedial education programs are effective at reducing impaired driving recidivism. The Back on Track (BOT) program in Ontario, Canada, was mandated to be delivered in-person; however, the COVID-19 pandemic necessitated a shift to online delivery. Existing literature suggests that substance use treatment delivered via videoconferencing is as effective as treatment delivered in-person; however, little is known about the comparative effectiveness of these delivery modes for impaired driving education. Purpose Conducted a randomized controlled trial examining effectiveness of in-person versus online delivery of BOT. Method 145 participants attending the 8-hour BOT workshop were randomly assigned to in-person (n = 71) or videoconference (n = 75) modalities. Assessments were collected immediately, 6 months, and 9–12 months following workshop participation. Results Immediately following the workshop, participants in both conditions demonstrated positive change on a 5-point scale measuring negative affect, attitudes, and behavioural intentions related to impaired driving. Mean increase from baseline ranged from 0.13 to 0.48 for the in-person and 0.05 to 0.12 for the videoconference conditions. Participants in both in-person and videoconference conditions demonstrated high mean scores on client satisfaction (64 out of 70 for both groups), clarity of presentation (108 and 107 out of 110, respectively), and learner engagement (123 and 124 out of 135, respectively). Positive mean changes from baseline in number of days consuming alcohol and tobacco were seen 9–12 months following workshop participation in both in-person (0.9 and 14.3) and videoconference conditions (3.3 and 10.4). Few differences between conditions were identified. Conclusion Findings provide support for continued online BOT program delivery.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».