Development of the “DriveSafe60+” Application to Enhance Driving Competence and Learning among Older Adults
Notice bibliographique
Résumé
The rapid growth of the global aging population presents a significant challenge to road safety, as older drivers face unique risk factors that lead to disproportionately higher rates of traffic-related injuries and fatalities when adjusted for distance traveled. One major contributor to this elevated risk is age-related physical decline. This study aimed to develop and evaluate the effectiveness of DriveSafe60+, a mobile application designed to enhance driving competence and learning among older adults. The application comprises five core components: Driving Ability Test, Health & Alert System, Driving Tips & Training, Safe Driving Report, and Emergency Support (SOS), which were developed based on the competency assessment frameworks of AAMVA, WHO road safety guidelines, Connected Health principles, and Adult Learning Theory. A one-group time-series design was employed with 100 licensed older drivers who used the application for 4 weeks. Driving competence, specifically confidence and decision-making, was assessed before, during, and after application use. Results from a One-way Repeated Measures ANOVA indicated statistically significant improvements in driving competence across all measurement points (F = 1599.932, p < .001). These findings demonstrate that DriveSafe60+ effectively enhanced older adults’ self-awareness and confidence in driving-related decision-making by supporting self-regulated learning and adaptive driving behaviors. The study suggests that mobile technology is a feasible and practical approach to promoting safer, longer driving among older adults in an aging society.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».