five

Zweite Fahrverhaltensvalidierung der ART2020 Testverfahren

收藏
PsychArchives2022-11-21 更新2026-04-25 收录
下载链接:
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bsz:291-psydok-7423
下载链接
链接失效反馈
官方服务:
资源简介:
In der vorliegenden Validierungsstudie wurde der Zusammenhang zwischen der verkehrspsychologischen Testbatterie des Kuratoriums für Verkehrssicherheit und dem Fahrverhalten im Straßenverkehr überprüft. Auf Prädiktorenseite gingen insgesamt 12 Testverfahren zu den wesentlichen kraftfahrspezifischen Leistungsbereichen in die Untersuchung ein. Auf Kriterienseite kam ein neues System zur Fahrverhaltensbeobachtung (SAF) zum Einsatz. An der Studie nahmen 123 Männer aus der Fahreignungsbegutachtung teil, die die verkehrspsychologische Testung an dem Testsystem ART2020 sowie die Fahrprobe auf einer standardisierten Fahrstrecke mit einem Fahrschulwagen absolvierten. Die Datenanalyse erfolgte auf univariater Ebene in Abhängigkeit von Skalenniveau und Verteilungsannahmen mittels Produkt-Moment- bzw. Spearman- bzw. partieller Korrelationen, t- bzw. U-Tests, Varianzanalysen/ Rangvarianzanalysen bzw. Analysen auf Residualniveau sowie Kontingenzkoeffizienten. Auf multivariater Ebene wurden zur Datenaggregierung auf Kriterien- und Prädiktorenseite Faktorenanalysen durchgeführt; die prädiktive Validität wurde mittels multipler linearer Regressionen und Pfadanalysen überprüft. Die univariaten Analysen ergaben eine Vielzahl von signifikanten Beziehungen einzelner Testvariablen mit differenzierten Fahrverhaltensmerkmalen sowie auch mit der Gesamtfehlerzahl in die erwartete Richtung. Auch konnte die Diskriminanzleistung bei maßgeblichen Prozentranggrenzen für eine Vielzahl einzelner Testvariablen, im Hinblick auf ein mehr oder weniger fehlerbehaftetes Verhalten im realen Straßenverkehr bestätigt werden. Im multivariaten Kontext konnten bei den Regressionsanalysen 67% der Varianz der gewichteten/ungewichteten Summe der Fahrverhaltensfehler durch die Leistungstestvariablen erklärt werden. Pfadanalysen lieferten mit normierten Fit-Indices zwischen 0.93 und 0,96 gute Erklärungsmodelle des multivariaten Bedingungsgefüges. Sie bestätigen die prädiktive Validität der mittels Faktorenanalyse zu sechs Defizitfaktoren aggregierten Testleistung hinsichtlich der faktorenanalytisch erhaltenen vier Fahrverhaltensfehlerfaktoren sowie hinsichtlich der Fahrverhaltensfehlersumme unter Berücksichtigung der Moderatoren Alter und Fahrpraxis. unknown unknown
提供机构:
Bukasa, Birgit Christ, Rainer Ponocny-Seliger, Elisabeth Smuc, Michael Wenninger, Ulrike
创建时间:
2022-11-21
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作