Le contact visuel à la traversée d’une intersection par les piétons à Montréal et à Toronto
Bibliographic record
Abstract
Le contact visuel est un des signes de l’interaction entre un piéton et un automobiliste. C’est une fonction importante de l’attention lorsque le piéton se prépare à traverser la voie publique à une intersection. Cette recherche présente les résultats d’une enquête menée au printemps 2001 sur le comportement des piétons à Montréal et à Toronto. Les résultats montrent que le contact visuel est plus fréquent à Montréal par rapport à Toronto selon le genre et les groupes d’âge et il y a aussi des différences significatives, entre les deux villes, du comportement du piéton au départ et durant la traversée d’une intersection. La variable dépendante, dans les modèles de régression logistique, est contact/non contact visuel. Au regard du modèle comportemental, il y a 1,63 fois plus de chance à Montréal et 2,12 fois plus à Toronto d’observer un contact visuel lorsque le piéton a un comportement non respectueux des règles de sécurité routière. De plus, la probabilité est plus faible d’observer un contact visuel lorsque le piéton montréalais ne traverse pas à un passage piétonnier. Par contre, la probabilité d’un contact visuel est plus élevée lorsque le piéton torontois n’observe pas un respect strict des règles pour traverser à une intersection. Pour le modèle environnemental, les résultats indiquent que le piéton montréalais a plus de chance d’effectuer un contact visuel lorsqu’il traverse une intersection dans une zone résidentielle, dans une rue de trois voies et plus, en présence d’un feu standard et à une intersection située à la périphérie du centre-ville. À Toronto, le modèle extrait les deux dernières variables du modèle montréalais et, en plus, les flux de véhicules. La discussion souligne l’importance du concept d’attention pour expliquer le contact visuel du piéton dans un contexte environnemental.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.001 |
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".