Novice Learner Driver Perceptions of the Efficiency of Driving Simulator-Based Training in a Natural Setting in Quebec
Notice bibliographique
Résumé
Novice, adolescent driver overrepresentation in road crashes is a well-documented, robust phenomenon. Driver education and training are popular but controversial interventions that have rarely demonstrated safety benefits. Flight simulators have proven effective in pilot training and the decreasing costs and increasing quality of simulation technology make driving simulator-based training (DSBT) more feasible. In 2010, a long-term, naturalistic, transfer-of-training (ToT) study began to examine the effectiveness of substituting DSBT for part of the on-road training. Within the ToT study, one driving simulator hour can replace one on-road hour for up to 50% of the 15 hours of mandatory on-road lessons. The final results of the ToT study, due in 2015, will address two main questions. One, how does DSBT compare with on-road instruction in terms of performance on the government road exam? Two, does DSBT affect adolescent driver safety? This article presents questionnaire data from the first cohort of graduate learner drivers who substituted at least one hour of on-road training with one driving simulator hour. The questionnaires address learners’ general perceptions of learning to drive and their specific perceptions of DBST and its comparative efficiency to on-road training as well as driving teachers’ perceptions of their learners’ driving competence. Results indicate that DSBT compared favorably with on-road lessons and is perceived to be either more efficient than or equally efficient to on-road lessons for 13 of 15 specific driving skills. In addition, driving teachers gave their learners high competency ratings.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».