Older Driver Safety: A Survey of Psychologists’ Attitudes, Knowledge, and Practices
Bibliographic record
Abstract
RÉSUMÉ Utilisant un sondage en ligne, nous avons examiné les connaissances, les attitudes et les pratiques en ce qui concerne les problèmes de sécurité des conducteurs âgés détenus par des psychologues cliniciens de tout le Canada qui se sont identifiés comme travaillant avec au moins quelques conducteurs de plus de 60 ans. Quatre-vingt-quatre psychologues ont répondu au sondage, et beaucoup étaient au courant des questions relatives à la sécurité des conducteurs âgés, bien que seulement environ la moitié ont déclaré que l’évaluation de l’aptitude à conduire est une question importante dans leur pratique. La majorité (75%) ont indiqué qu’ils bénéficieraient de l’éducation relative à l’évaluation de l’aptitude à conduire. La principale recommandation qui ressort de cette enquête est qu’il faut des efforts accrus pour sensibiliser les psychologues sur l’évaluation liée à la conduite et les questions réglementaires en général, mais en particulier en ce qui concerne les personnes âgées. En tant que la population vieillit, il est d’une importance croissante que tous les fournisseurs de soins de santé comprennent l’influence des conditions mentales—y compris des troubles cognitifs et de la démence—sur les compétences de conduite.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".