农村青少年驾驶教育工具开发

农村道路上青少年驾驶者的补充驾驶教育工具开发

引言

青少年驾驶员交通事故是美国的一个主要关注问题。与其他年龄段相比，青少年在交通事故中死亡的风险更高，而交通事故是美国青少年死亡的首要原因（托马斯等人，2012）。对于拥有庞大农村路网的州而言，由于乡村驾驶条件具有危险性和挑战性，这一问题往往更加严重。

乡村道路通常具有与城市道路不同的几何特征和出入特性，从而带来独特的危险（Karlaftis 和 Golias，2002；Cafiso 等人，2010），更高的限速（Theofilatos 和 Yannis，2014）、更少的恶劣天气防护（Theofilatos 和 Yannis，2014）、更高的驾驶员酒驾关联性（Chen 等人，2009；Jiang 等人，2008）、更长的行驶距离（Chen 等人，2009）、更少的执法力度和安全设备使用率较低（Peek‐Asa 等人，2010），以及在农业社区中的未成年人驾驶现象（弗里施和普莱辛格，2007），以及其他因素（美国国家公路交通安全管理局，1996）。得克萨斯州是众多因庞大的农村路网而面临严重乡村道路危险的州之一；在2014年，发生在乡村道路上的致命车祸数量超过了城市道路，且由于农村道路网络的里程较短，这些事故的发生率问题尤为突出（德克萨斯州交通部，2015；公路政策信息办公室，2014）。大量的农村致命交通事故是得克萨斯州每年致命交通事故数量经常位居全国首位的原因之一（美国国家公路交通安全管理局，2014）。

另一个导致德克萨斯州交通事故死亡人数居高不下的普遍存在的问题是年轻驾驶员数量众多（德克萨斯州交通部，2015）。大量研究表明，青少年和新手驾驶员相比其他年龄组的驾驶员发生事故的风险更高（布里赫斯等人，2014；Scott‐Parker 等，2014；托马斯等人，2012；莫里斯和格拉科夫斯基，2006；交通安全教育国家利益相关者协会，2007；Ramirez等人，2013）。造成这一现象的原因有很多，其中包括由于技能高估而导致的习惯与技能之间的脱节（佩措尔德等人，2013；Lonero 和 Mayhew，2010；青年驾驶员研究计划研究团队，2007），以及由于标准教育实践的局限性导致的道路规则遗忘（Li 和 Tay，2014；Scott‐Parker 等，2014；Major，2015），还有粗心大意和鲁莽行为，尤其是在同时参与多种危险行为时（布里赫斯等人，2014；Phillips 和 Sagberg，2013；Carlos 等，2009）。尽管青少年驾驶员的风险会随着时间推移而逐渐降低，但在驾驶员年轻时解决这些安全问题仍然至关重要（Ouimet 等，2014；Isler 等，2009）。

在美国，驾驶教育是一种常见的做法，旨在减少涉及青少年的交通事故数量，但驾驶员教育的有效性一直存在广泛争议。很少有研究显示出交通事故的统计显著减少，而那些报告了边际收益的研究也存在争议。关于驾驶教育历史调查的大量元分析已经开展，这些元分析通常表明，驾驶教育本身未能充分实现技能迁移，或支持驾驶教育的研究在设计上存在缺陷（Mayhew 和 Simpson，1996；Ker 等，2005；托马斯等人，2012；乔杜里等人，2011；Lonero 和 Mayhew，2010）。造成驾驶教育无效的原因众多，包括：缺乏将技能转化为习惯（Lonero 和 Mayhew，2010）、经验不足和不成熟（Lonero 和 Mayhew，2010）、缺乏对态度的关注（Lonero 和 Mayhew，2010）、培训时间有限（交通安全教育国家利益相关者协会，2007），以及允许青少年更早获得驾照（Chaudhary 等，2011）等。由于这些原因，人们普遍认为驾驶教育根本不起作用。

然而，重要的是要记住，驾驶教育项目可能存在差异，而驾驶教育本身确实具有一些优势，包括与渐进式驾照（GDL）计划相结合，更全面地传授安全驾驶技能以培养习惯（高速公路安全中心，2002；莫里斯和格拉科夫斯基，2006），以及在获得驾照前后强化关键驾驶知识（美国驾驶员与交通安全教育协会课程与标准委员会，2012；Li 和 Tay，2014；Brijs 等，2014；Lonero 和 Mayhew，2010）。重要的是，这些优势与美国驾驶员教育的愿景相契合。尽管国家公路交通安全管理局（NHTSA）、交通安全教育国家利益相关者协会（ANSTSE）、美国驾驶员与交通安全教育协会（ADTSEA）以及其他机构都倡导驾驶员教育改革，但政府对持续驾驶教育的支持仍然强劲。ADSTEA（Chaudhary 等，2011）和 ANSTSE（交通安全教育国家利益相关者协会，2007）已提出新标准，建议各州提高驾驶教育要求，纳入45小时课堂项目。该理想项目将包含更多主动学习内容，并利用交互式工具更有效地传达建立良好习惯所需的技能。模拟和计算机程序已被证明在年轻驾驶员参与基于计算机的培训（CBT）时能有效提升教育效果，因为这些材料比标准的教育课程和文件更具吸引力（高速公路安全中心，2002；Lonero 和 Mayhew，2010；交通安全教育国家利益相关者协会，2007；Petzoldt 等，2013）。此外，CBT程序能够增加互动性并奖励良好行为，从而巩固良好习惯。设计成类似游戏的教育项目已被证明尤为有效（托马斯等人，2012；Li 和 Tay，2014；Major，2015）。

正如政府机构所设想的，美国更广泛的驾驶员教育愿景涉及将驾驶教育作为分阶段项目，与GDL计划相结合，在获得驾照之前、期间和之后向驾驶员传授关键知识和技能（交通安全教育国家利益相关者协会，2007），以使其具有协作性和全面性（高速公路安全中心，2002；托马斯等人，2012；Lonero 和 Mayhew，2010）。这种教育循环至关重要，因为研究还表明，简单的单次培训项目不如短时间、多次的集中训练有效（de Crean 和 Vlakveld，2013；托马斯等人，2012）。得克萨斯州在满足这些最新的驾驶教育标准方面明显不足，既在建议的教学时长上落后，又缺乏更具互动性的教学材料（Chaudhary 等，2011；Highway Safety Center）。

为解决针对乡村道路的适当培训不足的问题，并测试一种可与标准驾驶教育实践结合使用的潜在补充项目，研究团队受得克萨斯州交通部委托开展了一项研究，测量青少年驾驶员在使用计算机辅助培训教育工具前后对乡村道路的认知和行为变化。本研究的样本来自城市外围两个农村社区的两所高中的15至19岁的十一、十二年级学生。干预措施开发仅是系列项目的第一阶段，旨在探索如何改善农村青少年的驾驶教育，未来的工作将聚焦于家长参与和知识迁移，以建立一个更专注、长期的教育体系，克服临时驾驶教育的不足。本文旨在强调计算机辅助培训项目在持照前培训中的潜在有效性，并通过统计前后对比验证该项目的应用效果。

材料与方法

为了解决现有驾驶教育中针对青少年在乡村道路驾驶方面的知识不足问题，研究团队提出了一项多阶段项目，旨在：（1）收集青少年如何看待乡村道路及驾驶行为的相关数据；（2）利用这些数据开发一种交互式计算机辅助培训程序，以弥补文献中和从青少年调查数据中发现的知识不足；（3）将该程序作为干预措施进行测试；（4）评估该项目的有效性；（5）修改程序并将其推广到其他农村社区。该项目的最终目标是免费提供一个交互式在线计算机辅助培训程序，使全美各地农村地区的青少年都能访问该程序，学习有关乡村道路和安全驾驶的知识。该程序符合更全面、分阶段的驾驶教育项目的愿景，能够提供执照前和执照后的教育，并填补当前在乡村道路教育方面的空白。本项目的初始开发区域为得克萨斯州西德克萨斯的卢伯克县及其周边县。本节在详细讨论干预工具之后，将进一步阐述所采用的统计分析方法。

干预工具

本项目中使用的干预措施是一种基于计算机的交互式程序，该程序使用Flash模拟来突出危险情况或行为，然后提出问题。该工具与其他计算机辅助培训软件包类似，包括驾驶员‐ZED（布兰克和麦科德，1998）、CD‐Drives（科克顿和伊勒，2003；伊勒和科克顿，2003）、RAPT‐3（Pradhan等人，2009年）等（Petzoldt 等，2013；魏斯等，2013），但其具有足够的差异性，可为日益增长的关于计算机辅助培训的文献做出新的贡献。首先，与照片级真实感程序如 Driver‐ZED（布兰克和麦科德，1998）、CD‐Drives（科克顿和伊勒，2003）以及由佩措尔德等人（2013）和魏斯等人（2013）开发的计算机辅助训练工具不同，本研究开发的教育工具采用真实性较低的动画。尽管避免照片级真实感部分是出于预算考虑，但更普遍的关注点在于可访问性。与Driver‐ZED和CD‐Drives不同，该学习工具免费且无需CD‐ROM即可运行；它通过网络分发，因此利用Flash动画来涵盖更多多样化的场景和情况。其次，该学习工具也不同于布兰克和麦科德（1998）、佩措尔德等人（2013）、魏斯等人（2013），因为它除了使用车内动画外，还采用平面视图动画来展示乡村道路上更多种类的危险，类似于RAPT‐3使用平面图来增强新手驾驶员对视距遮挡的理解（Pradhan等人，2009年）。第三，该学习工具与现有计算机辅助培训程序（Petzoldt 等，2013；魏斯等，2013；布兰克和麦科德，1998；科克顿和伊勒，2003；伊勒和科克顿，2003；Pradhan等人，2009年）之间的关键区别几乎完全专注于乡村道路安全。如前所述，得克萨斯州乡村道路上每年发生的致命车祸数量相当可观，因此本项目的目标是增强青少年驾驶员对乡村道路上交通事故发生方式的理解，以促进安全意识。尽管Driver‐ZED确实包含发生在乡村道路上的情景，但据作者理解，这些情景涉及的更多是一般性的安全驾驶行为，并未与乡村道路本身有内在联系，尽管一些主题（如视距）在本学习工具和 Driver‐ZED中均有涉及。此外，应当指出的是，该学习工具的目标与其他研究不同，其重点在于培训和评估青少年驾驶者的知识和危险识别态度，而非更具体的方向，例如扫视行为（Petzoldt 等，2013）、校准（魏斯等，2013）和危险扫描（Pradhan等人，2009年）。然而，该学习工具与其他程序相似之处在于，它会提出选择题并在情景后提供反馈，以确保实现知识迁移（Petzoldt 等，2013；伊勒和科克顿，2003）。

学生使用配备互联网连接的学校电脑，通过链接访问研究团队的网站主页。从该主页，学生可进入基于前测调查结果和文献综述所开发的五个类别。每个类别下包含若干情景。每个情景由一段Flash动画组成，随后是一个与动画相关的问题。回答问题后，程序会提示答案是否正确，然后跳转到教育幻灯片，该幻灯片针对问题进行讲解，并提供实用信息和提示。每位学生在完成所有情景后，参加后测调查。学生测试版本软件中包含的情景如下所示：

1. 一般安全
   1.1. 城乡差异
   1.2. 农村道路主要事故类型
   1.3. 减速标线
   1.4. 公路催眠
2. 几何设计
   2.1. 双向辅路几何设计
   2.2. 凸形竖曲线
   2.3. 凹形竖曲线
   2.4. 平曲线（白天）
3. 驾驶行为
   3.1. 盲区
   3.2. 驾驶时发短信
   3.3. 疲劳驾驶
   3.4. 分心驾驶
   3.5. 酒后驾驶
4. 天气与环境
   4.1. 农村道路上的雷暴
   4.2. 沙尘暴
   4.3. 雪和冰雪（视线）
   4.4. 冰雪（制动）
5. 动物与其他危险
   5.1. 施工区域

所包含的情景基于从初始调查及学生测试中收集的数据，这些调查中提出了特定问题。例如，在问卷中，学生被问及疲劳驾驶是否危险，因此其中一个情景通过动画模拟驾驶员在执行驾驶任务时眼皮闭合的过程，以展示疲劳驾驶所带来的风险。情景的选择主要针对样本学生似乎缺乏适当知识或行为的关键问题。例如，只有34%的学生认为进食是一种潜在的驾驶分心行为，因此在分心驾驶情景中加入了进食内容，以展示一种手动分心的形式。其他危险行为，如超速，虽然被正确识别为危险行为，但识别率仍不理想（即干预前仅有69%的学生将超速视为危险行为），因此与乡村道路交通事故相关的调查项目（Theofilatos 和 Yannis，2014）也被纳入情景设计中。除了侧重行为的情景外，还根据调查回答开发了直接与乡村道路特性相关的情景。例如，76%的抽样学生并未将农村地区的水平弯道视为特别值得关注的问题，仅有29%的抽样学生认为在双车道乡村道路上超越车辆具有危险性。基于这些发现以及文献综述和项目资助方的咨询意见，最终确定了18个情景列表。此外，还计划后续增加更多情景，以弥补可能遗漏的调查结果。

尽管全面回顾每个情景超出了本文的范围，但讨论一个示例情景是必要的。青少年驾驶员在乡村道路上的一个主要关注问题是公路催眠。得克萨斯州的许多乡村高速公路由长而直的道路路段组成。这一事实，加上青少年倾向于在深夜驾驶，可能是得克萨斯州夜间致命车祸发生率较高的可能解释（德克萨斯州交通部，2016）。当驾驶员在单调的环境中长时间驾驶车辆时，可能会出现公路催眠，进入一种迟钝和昏昏欲睡的状态。光线不足和睡眠缺乏会加剧这一问题。情景1.4通过展示这种状态如何轻易使学生注意力偏离道路和重要警示标志，向学生演示了公路催眠的危险性。 展示了基于Flash的情景截图以及动画结束后的问题页面。其中，一名驾驶员在黄昏时分沿一条双车道乡村公路行驶。道路上车辆极少。为了模拟长时间驾驶，动画持续约15秒。车辆经过一块带有白色文字的黑色广告牌。随后学生需要回答问题：‘‘广告牌上写了什么？’’ 正确答案是‘‘此处可做广告’’，系统会告知学生回答是否正确。接着会出现一张黄昏道路的静态截图，并向学生提供一些提示，说明如何避免因单调的道路特征分心而导致公路催眠。

大多数情景的格式与情景1.4类似，采用车内视角来展示某些道路危险。少数情景（关于乡村道路上的碰撞类型、双向辅路、水平弯道和盲区）则使用平面图来显示视野限制、驶离道路的原因等内容。一些问题用于测试学生对先验知识（城乡差异、碰撞类型）的掌握情况，但所有问题均配有信息图表和反馈，以确保学生能够学习到乡村道路上的危险。大多数问题为多项选择题答案，形式类似于图1中的示例，但也有部分问题要求学生勾选所有适用的答案。情景涉及驾驶行为的内容均以乡村道路为背景。所有情景至少包含一个问题，部分情景（如碰撞类型、盲区）包含多个flash动画。大多数情景持续时间约为5–20秒，尽管有些更长，特别是包含多个动画的情景。学生被口头指示按顺序访问每个情景类别，并逐一完成每个情景，不得跳过任何动画或问题。总共完成全部18个情景大约需要30–60分钟；未完成的情景可重新访问，以确保正确知识的传递。

干预工具获得了学生们的高度认可。学生们被要求对该项目提供反馈，其中在提供反馈的307名学生中，94%表示他们认为该软件有益。除了改进建议外，问卷中还留下了许多正面评价。需要注意的是，随着研究项目的第二阶段即将结束，该软件目前正在根据改进建议进行修改，并将增加更多情景。

问卷开发

选择服务于卢伯克市以外农村社区的高中作为该项目的试验场。在春季学期的4月和5月，三所高中参与了第一次问卷发放。问卷面向十一年级和十二年级学生开放，在课堂上匿名填写并当场回收。总共从学生中收回了约800份发放问卷中的565份；其中最小的学校仅收回4份，其余问卷在两所较大的学校之间大致以43%/57%的比例分配。除驾照、驾驶教育和驾驶经验外，未收集学生的其他个人身份信息。五个月后，即9月，两所较大的学校被用作干预措施的试验场，在可利用的课时内对可能已参加过初始问卷的15至19岁的十一年级和十二年级学生进行了项目测试。后续组的学生在完成教育项目中的情景练习后立即填写了干预后问卷。这些班级的所有学生均完成了该项目并填写了问卷，共获得417份干预后问卷回复。遗憾的是，这417名受访者中仅有106人实际参加过初始问卷，导致第一样本中仅有近19%的学生接受了干预措施并完成了后续问卷。

尽管为了比较结果，两次问卷之间间隔较短时间会更理想，但由于两所高中的学校日程以及教育工具的开发进度，这并不可行。人们有些担心部分学生可能只是在这五个月的间隔期间自然形成了更安全的态度，因此测试了执照获取与调查回答之间的关联性。由于学校日程安排带来的另一个限制是，干预后问卷只能在使用教育软件后立即进行，但文献表明即时培训后测试并不一定存在问题（Pradhan等人，2009年）。

问卷最初包含52个问题，但在部分数据仅用于项目开发后，后续调查减少至39个问题。大多数问题以二元形式呈现，询问学生关于驾驶行为以及乡村道路的感知和实践情况。一些问题要求学生选择可能遇到的潜在危险（例如，“在乡村道路上你可能会遇到以下哪些危险——请勾选所有适用项？”）。学生可选择不回答任何让他们感到不适的问题，空白答案用对应“跳过”的字母标记，以便于比较。两次问卷的答复通过多个统计模型进行了分析。少数问题稍作修改，以询问使用教育项目如何改变了感知与特定行为，但大多数问题保持不变。

在本文中，大多数问题采用二元回答形式，而非更常见的李克特量表格式。这并不成问题，因为研究表明二元问题更容易让受访者回答（Dolnicar等人，2011），而且许多使用李克特量表格式的研究在分析时也会将结果转换为二元形式（Ramirez等人，2013；Vingilis等人，2013）。二元回答便于进行逻辑回归分析，这一点将在本节后文讨论。

分析量表

在分析干预工具的有效性时，通常会根据调查问题的回答制定一个量表，以评估受访者干预前后的得分（Ramirez等人，2013；Vingilis等人，2013）。在本次分析中，根据调查回答开发了两个量表。第一个量表主要涉及青少年驾驶行为，包含九个项目，总分12分（其中一个项目包含多个可能的得分点）。第二个主要涉及乡村道路，包含11个项目，总分为15分（其中一个问题有多个可选项）。变量、描述及其量表如表1所示。量表通过为正确的驾驶观念和行为或识别风险的能力赋分而建立。例如，有一个问题是：“你认为超速危险吗？”回答“是”的学生得1分，回答“否”的学生不得分。两个多选题要求学生识别所有不安全行为（hazbeh：赛车、变道行驶、超速、酒后驾驶；rhazards：动物、风滚草、弯道处视野受限、坡道上视野受限以及恶劣天气）。需要注意的是，尽管“hazbeh”变量存在部分重复，但在此项目中危险行为的表述略有不同，以便让学生有机会选择相应的行为。需要指出的是，问卷中还涉及了一些其他问题行为，例如分心听音乐和搭载其他乘客驾驶。然而，这些题目的前后测回答被发现不一致，因此采用了“多任务处理”这一总体类别。

统计分析

使用SAS 9.4版本对数据执行了多种统计分析。这些分析通过多个模型进行，以确定干预工具对量表得分是否有任何影响。首先，采用标准线性回归模型，将量表得分作为因变量，判断干预工具在预测两个量表得分方面是否具有显著作用。然后，使用方差分析（ANOVA）检验干预措施在不依赖于执照的情况下是否有效提升得分，其中以两个量表作为因变量，并以一个新的虚拟变量“tst”作为自变量。进一步使用两个相应的逻辑回归模型检验每个二元调查变量对其对应量表的影响，其中包含一个表示受访者是否接受过干预的虚拟“int”变量作为因变量（Ramirez等人，2013；Beck等人，2009；Vingilis等人，2013；Dolnicar等人，2011；Jiang等人，2008）。最后，通过两种方法检查模型内的内部一致性。首先，在SAS中使用CORR过程对构成两个量表的每个变量进行克朗巴哈系数检验。然后，通过检查方差膨胀因子（VIF）和容差水平来评估逻辑回归模型是否存在多重共线性，这是一种当个别变量掩盖其他变量效应时出现的不良特性。

结果

每次统计分析的结果表明，该干预措施在传授知识和提高学生成绩方面总体上是显著的。本节总结了每个模型的结果，并强调了重要的发现。

线性回归

采用两个标准线性回归模型来确定干预措施是否真正影响了行为量表和乡村量表的得分。如前所述，“int”变量是一个分类变量，表示学生是否接受了干预措施。因变量分别为行为量表得分和乡村量表得分。表2显示了自变量干预措施各水平下的预测值及其上限和下限置信度水平。

如表2所示，使用干预措施的学生在行为量表和乡村量表方面均表现出显著改进。值得注意的是，该干预措施对乡村量表得分的影响更为显著，学生在此模型上的得分提高了近三分。行为量表的改进幅度较小，但“int”变量在预测两个量表时均具有显著性，达到p< 0.0001水平。

方差分析

为了检验执照及其相应的驾驶教育是否对结果产生混杂影响，对“tst”变量进行了方差分析，以确定学生是否已获得执照在结果上是否存在统计显著差异。表3总结了方差分析的结果。测试水平1–7分别对应以下学生：已获得执照并完成了两次问卷的学生、已获得执照但仅完成后测的学生、已获得执照但仅完成前测的学生、已获得执照但未参加任何测试的学生（虚拟组）、未获得执照但完成了两次问卷的学生、未获得执照但仅完成后测的学生，以及未获得执照但仅完成前测的学生。尽管可能适用更简单的双因素方差分析，但由于两次问卷发放之间的时间间隔，有必要进一步区分那些可能或尚未获得执照的学生，以识别伴随执照获取的额外驾驶教育是否影响了问卷结果。进一步划分为前测、后测或两者都测，也是为了考虑到完成两次问卷的学生实际上接受了主题内容的重复介绍，因此他们的得分可能与仅参加前测或后测的学生不同。

正如回归模型所预测的那样，乡村量表比行为量表表现出更大的变异性。然而，在这两个模型中，测试水平6和1的平均分均为最高。这两个水平分别对应于没有驾驶执照且仅参加第二次测试的学生，以及拥有驾驶执照并参加了两次测试的学生。值得注意的是，那些没有驾驶证且只参加了第二次测试的学生在行为量表和乡村量表上的表现似乎优于其他所有学生，这可能表明传统的驾驶教育在培养良好习惯方面效果不佳。但需要注意的是，测试水平1、2、5和6在统计上属于同一组别，表明这些水平之间不存在统计学显著差异。尽管如此，这四组学生都接受了干预措施，这似乎是他们得分较高的主要原因。第3组（即拥有驾驶证但仅参加了第一次测试的驾驶员）的表现明显差于接受干预措施的群体。基于这些结果可以得出结论：与执照获取相比，干预措施本身对分数的影响更大。

逻辑回归

逻辑回归的结果如表4所示。对于行为量表和乡村量表，模型均检验了个体未接受干预措施（int= 0）与已接受干预措施（int = 1）的可能性。因此，估计列中的符号表示特定变量水平增加或减少学生未接受干预措施的对数似然的可能性。负号表示学生接受了干预措施的可能性，正号表示学生未接受干预措施的可能性。统计显著性以p值低于0.05为标准。

对于行为量表，唯一显著的变量是驾驶证、疲劳驾驶、多任务处理、危险行为识别和手机使用。在该模型中，没有驾驶证与接受过干预措施的相关性更强；这可能表明方差分析中提示的一个潜在发现，即没有驾驶证的学生整体表现更好，原因可能是他们缺乏通过经验所形成的固有观念。

除了手机使用外，所有其他显著的行为变量均表明，缺乏安全态度或知识不足与未接受干预措施的关联更为密切。手机使用的这一结果令人担忧，可能表明该项目需要进一步加强对手机使用的指导。对于乡村量表而言，唯一显著的变量是驾驶执照持有情况、弯道缓慢驾驶、在大风条件下驾驶、超车安全以及一般乡村危险识别。驾驶执照持有情况的结果与行为量表的结果几乎完全相同，似乎表明了相同的发现。同样，该模型中所有显著变量水平的结果均表明，知识不足和不安全态度与未使用干预措施的关联更为密切。行为量表和乡村量表的几乎所有结果都表明了该干预项目的有效性。

模型验证

如前所述，通过两个过程来检验模型验证。首先，使用CORR过程计算两个逻辑回归模型中每个变量的克朗巴哈系数。克朗巴哈系数值达到0.7通常表示具有良好的内部一致性（Vingilis等人，2013）。为每个变量提供了标准化的alpha值，相关性符号表明删除该变量会提高还是降低alpha值。两个模型的alpha值见表5。

如表所示，行为量表模型的一致性低于乡村量表模型。然而，需要注意的是，在这两个模型中，驾驶证变量实际上导致了更多的变异性，并降低了内部一致性。如果从行为量表模型中移除该变量，结果将达到0.7的阈值。乡村量表模型的阿尔法水平显示出良好的内部一致性。

还对逻辑回归模型进行了多重共线性检验。如果一个模型每个变量的容差水平大于0.1，且每个变量的方差膨胀因子（VIF）水平小于10，则该模型很可能不存在多重共线性问题（数字研究与教育研究所, 2014）。结果显示，所有变量的容差水平均高于0.1，所有VIF水平均低于10，因此两个模型均未显示出存在多重共线性问题的迹象。

讨论

统计结果

总体而言，所有统计分析似乎都表明该干预项目对分数产生了显著影响使用该工具的学生。采用了两个量表来评估知识保留情况，并将这两个量表作为因变量，检验其是否与学生是否接受过干预措施相关。两个线性回归模型均显示，接受过干预的学生表现更好，尽管这种效果在乡村量表上更为明显。这可能是因为该教育工具的主要关注点是乡村安全而非驾驶行为，尽管也包含了驾驶行为的内容。因此，使用干预工具的学生对乡村道路安全话题更加了解是合理的。这一结论得到了以下事实的支持：许多学生在得知得克萨斯州的乡村道路在统计上比城市道路更危险（以致命车祸为衡量标准）时感到震惊。问卷中的评论表明，这一信息对学生来说是新颖且重要的，因此他们可能更加关注与乡村道路相关的情景。

方差分析结果还显示了该干预工具的有效性，那些没有驾驶证但使用了干预工具的学生在行为量表和乡村量表上的表现均优于其他所有学生。这一发现揭示了与驾驶教育相关的一个值得关注的问题。一些研究人员假设，驾驶教育之所以无效，可能是因为它实际上会夸大了学生对自己能力的认知，而并未真正有效提升这些能力；新手驾驶员容易产生过度自信，而传统驾驶教育可能会加剧这一问题（Petzoldt 等，2013）。已经获得驾驶证的驾驶员在两个量表上的得分通常较低，这可能表明传统驾驶教育缺乏有效性。也许这些学生已经接受过教育和培训，但这种教育并不充分，特别是在乡村道路方面。因此，本文讨论的干预工具可能是一种有效的持续教育工具。

逻辑回归结果证实了干预工具的有效性，这与线性回归和方差分析模型的结果一致。尽管两个模型中包含的每个变量并非在预测学生是否接受干预方面都具有统计显著性，但具有统计显著性的变量结果表明，缺乏安全驾驶行为认知和乡村道路安全认知与未使用该干预措施相关。唯一未显示在使用干预工具后有统计显著改进的变量是行为量表中的手机使用。这一发现可能表明该项目本身存在局限性，需要加以改进。在乡村量表模型中，没有任何变量在统计上与知识的减少相关。其他任何负面结果均无统计显著性。

有趣的是，逻辑回归模型产生的许多显著变量也在课堂工具部署后的讨论以及问卷的评论中被提及。许多学生表示，他们对超车规则以及诸如听大声音乐、大声交谈或使用电子设备播放音乐等属于危险的多任务处理活动不太熟悉。学生们普遍表示他们从这些主题中学到了一些东西，还有人提到他们认为风力和弯道情景很有帮助。这里的评论与研究结果之间似乎存在关联，尽管其他一些突出的情景并未在模型中反映出来。

逻辑回归模型的另一个有趣结果是，驾驶执照持有情况与行为和乡村量表得分均呈负相关。这进一步证实了方差分析的结果，即已获得执照的学生在这些量表上的表现往往更差。这可能再次反映出传统驾驶教育的局限性。同时也可能表明，该软件主要应作为考取执照前的工具来使用。

内部一致性的测量显示问题极少。行为量表和乡村量表模型中均不存在多重共线性。尽管行为量表模型的阿尔法水平低于0.7的阈值，但移除驾驶执照变量实际上提高了内部一致性，并使其达到可接受水平。乡村量表模型在移除驾驶执照变量之前已处于可接受水平。这些发现再次表明驾驶执照持有情况与所表现出的知识之间存在负向关联。总体而言，分析中众多具有统计学显著性的结果表明，该软件有潜力作为分级国家驾驶员教育战略中考取驾照前教育的一种潜在机制。

局限性

这项研究并非没有实际局限性。尽管统计结果似乎表明学生对安全的理解有所增强，尤其是在乡村道路上，但安全知识与驾驶行为之间的联系仍然薄弱，且此处的结果并未表明交通事故发生率有潜在降低。本研究与Petzoldt等人和魏斯等人开发的基于问题的计算机辅助培训类似，仅旨在增强驾驶员的知识以及年轻驾驶员识别危险的能力（Petzoldt 等，2013；魏斯等，2013）。此外，干预后的学生得分较高可能是因为他们在使用教育工具后立即参加了后续调查。然而，Pradhan等人指出，培训后的知识测试可能并不成问题，因为它们仍能反映知识的保持情况（Pradhan等人，2009年）。无论如何，这些结果应被理解为表明重复复习可以提高学生的安全知识，而该软件的设计正是为了促进此类重复使用。最后需要指出的是，部分干预后问卷中的调查问题被重新措辞以适应干预后的研究，例如“你驾驶时发短信的频率如何？”改为“你认为以下哪些情况适合驾驶时发短信？”。虽然这种措辞调整可能是本研究中关于发短信结果误差的一个来源，但大多数调查问题保持完全不变。由于逻辑回归结果非常显著，因此对于大多数问题而言，这些混杂效应可能是最小的。本研究最能说明一种潜在的计算机辅助培训驾驶教育工具的可行性，该工具仍在进一步开发中，因此研究结果不应外推至其他群体，如年龄较大的大学生年龄段的青少年，也不应视为对降低交通事故的有效性证明。

结论

本研究结果表明，基于计算机的教育工具可能有助于提高青少年驾驶员对乡村道路的驾驶知识。研究中明显发现，许多青少年对乡村道路上的安全驾驶行为缺乏足够的了解，但像这种采用主动学习和解决问题等良好教育技术的交互式基于网络的工具，可能是一种有效的补充措施，帮助学生建立相关知识。本文的统计分析强调了一个事实：在两所服务于农村社区的研究学校中，年龄在15至19岁之间的高中十一年级和十二年级学生，在使用了该教育干预工具后，对安全驾驶行为和乡村道路危险的认知显著提高。重要的是，仅使用该干预工具的学生，其表现甚至在统计上优于持证驾驶员。这可能表明当前的驾驶教育存在不足，从而暗示了此类项目的需求。这些结果令人鼓舞，并与联邦愿景一致，即利用教育作为补充工具来支持分阶段驾驶许可（托马斯等人，2012；高速公路安全中心，2002；美国驾驶员与交通安全教育协会课程与标准委员会，2012；交通安全教育国家利益相关者协会，2007）。本研究开发并测试的工具尽管存在一些偏差，但仍有效展示了如何弥补领证前驾驶教育和乡村道路驾驶教育方面的空白，并进一步证明了领证前培训的有效性（比恩兰德等，2013），尤其是在危险识别方面（魏斯等，2013）。然而，必须注意的是，这项初步研究仅为该软件的试点测试，仍需进一步的研究和分析以确保其产生积极影响。研究团队将继续监测该地区的交通事故和安全状况，以评估该计划的长期有效性，并将持续修改程序，使其更具互动性和有效性。该计划的下一步将涉及在其他农村地区的推广与培训，并邀请家长和教育工作者参与，以加强围绕该项目正在形成的 安全文化 。团队将设计一个在线中心，用于推广、培训和分享成功案例，持续促进乡村道路安全。据作者所知，目前的计算机辅助训练工具在乡村道路安全方面的内容尚不充分，因此，如果能够解决该软件的局限性，本研究显示了另一种提升新手驾驶员安全知识的项目的潜力。