مدل سازی رفتار رانندگی بر اساس ویژگی های روان شناختی و جمعیت شناختی با تمرکز بر پرخاشگری و اضطراب
محل انتشار: پژوهشنامه حمل و نقل، دوره: 23، شماره: 4
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 7
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TRJ-23-4_015
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
رفتار رانندگی یکی از پیچیده ترین رفتارهای انسانی است که حاصل تعامل هم زمان فرایندهای شناختی، هیجانی و ویژگی های جمعیت شناختی می باشد. با وجود پیشرفت های قابل توجه در حوزه روان شناسی رانندگی شواهد درباره نقش هم زمان ویژگی های روان شناختی و جمعیت شناختی در تبیین ابعاد مختلف رفتار رانندگی همچنان محدود است. پژوهش حاضر با هدف بررسی نقش پیش بینی کننده پرخاشگری، اضطراب، سن و جنسیت بر چهار بعد رفتار رانندگی شامل لغزش ها، اشتباهات، تخلفات عمدی و تخلفات غیرعمدی بر اساس چارچوب پرسشنامه رفتار رانندگی منچستر (DBQ) انجام شد. این مطالعه با طراحی مقطعی بر روی ۹۲ راننده دارای حداقل سه سال سابقه رانندگی انجام شد. داده ها از طریق پرسشنامه استاندارد DBQ و یک پرسشنامه محقق ساخته برای سنجش پرخاشگری و اضطراب جمع آوری گردید برای تحلیل داده ها از همبستگی پیرسون و رگرسیون خطی چندگانه استفاده شد. یافته ها نشان داد پرخاشگری دارای رابطه مثبت و معنادار با هر چهار بعد رفتار رانندگی است و قوی ترین متغیر پیش بین در تمامی مدل های رگرسیونی محسوب می شود. در مقابل، اضطراب ارتباط معناداری با هیچ یک از ابعاد رفتار رانندگی نداشت. از میان متغیرهای جمعیت شناختی، سن اثر منفی و معنادار بر برخی ابعاد رفتار رانندگی داشت، در حالی که جنسیت فاقد اثر معنادار بود. مدل های رگرسیونی توانستند بین ۲۷ تا ۳۲ درصد از واریانس رفتار رانندگی را تبیین کنند. این یافته ها نشان می دهد مداخلات مبتنی بر مدیریت پرخاشگری می توانند نقش موثرتری نسبت به تمرکز صرف بر ویژگی های جمعیت شناختی در بهبود رفتار رانندگی داشته باشند.
کلیدواژه ها:
نویسندگان
مهدی محمدی
استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :