Communicating increased driving risk: A study of mature driver expectations
Notice bibliographique
Résumé
BACKGROUND: Driving is essential for maintaining mobility, social participation, and independence, yet it relies on cognitive and physical abilities that may decline with age, increasing risks for older adults. Drivers aged 65 and older experience disproportionately higher rates of collisions and fatalities compared to middle-aged drivers. Many struggle with decisions about adjusting their driving habits or retiring but rarely use existing guidelines. Additionally, few older drivers assess their abilities before mandatory licensing tests, leaving them unaware of potential risks. METHOD: This study explores the needs of older drivers to help them understand their collision risks and plan for driving retirement. A nationwide survey of Canadian drivers aged 55+ was conducted with ethics approval from Carleton University and the Bruyère Health Research Institute. The survey received 386 responses (average age: 75) and examined driving habits, perceptions of vehicle data collection, and preferences for receiving feedback on driving safety. RESULT: Three main themes emerged from the data: empowerment, privacy, and personalization. Results showed that 65% of drivers already use in-vehicle safety technologies, but half required more information before adopting new tools. Participants expressed interest in features like driving behaviour reports, personalized safety tips, and historical driving trends. Privacy and security concerns (68%) and technology accuracy (52.4%) were barriers to adoption, while ease of use (65%), strong privacy protections (56.4%), and proven reliability (55.9%) were key motivators. Respondents preferred to receive feedback on demand (50.4%) or monthly (32.2%) via email (53%) or app-based platforms (45.2%). Most participants preferred sharing feedback with spouses (51.6%), while fewer were comfortable sharing it with children (35%) or healthcare providers (16.2%). CONCLUSION: These findings suggest that driving feedback technologies could help older drivers monitor their abilities and engage in evidence-based discussions with healthcare providers. Objective data enables healthcare providers to address sensitive topics, like declining driving ability, with actionable insights, easing emotional challenges. Prioritizing empowerment, privacy, and personalization ensures trusted, user-focused tools that support self-monitoring, informed decisions, and collaboration, promoting safer driving and sustained independence.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».