Traffic campaigns and overconfidence: an experimental approach (2020)
- Authors:
- Autor USP: SILVA, THIAGO CHRISTIANO - FFCLRP
- Unidade: FFCLRP
- DOI: 10.1016/j.aap.2020.105694
- Subjects: PREVENÇÃO DE ACIDENTES; ACIDENTES DE TRÂNSITO; APRENDIZADO COMPUTACIONAL; ECONOMETRIA; SEGURANÇA NO TRÂNSITO
- Keywords: Traffic campaigns; Overconfidence; Video; Machine learning; Econometrics
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Accident Analysis & Prevention
- ISSN: 0001-4575
- Volume/Número/Paginação/Ano: v. 146, art. 105694, p. 1-12, 2020
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
SILVA, Thiago Christiano e LAIZ, Marcela T. e TABAK, Benjamin Miranda. Traffic campaigns and overconfidence: an experimental approach. Accident Analysis & Prevention, v. 146, p. 1-12, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.aap.2020.105694. Acesso em: 11 jan. 2026. -
APA
Silva, T. C., Laiz, M. T., & Tabak, B. M. (2020). Traffic campaigns and overconfidence: an experimental approach. Accident Analysis & Prevention, 146, 1-12. doi:10.1016/j.aap.2020.105694 -
NLM
Silva TC, Laiz MT, Tabak BM. Traffic campaigns and overconfidence: an experimental approach [Internet]. Accident Analysis & Prevention. 2020 ; 146 1-12.[citado 2026 jan. 11 ] Available from: https://doi.org/10.1016/j.aap.2020.105694 -
Vancouver
Silva TC, Laiz MT, Tabak BM. Traffic campaigns and overconfidence: an experimental approach [Internet]. Accident Analysis & Prevention. 2020 ; 146 1-12.[citado 2026 jan. 11 ] Available from: https://doi.org/10.1016/j.aap.2020.105694 - Machine learning in complex networks: modeling, analysis, and applications
- Internet access in recessionary periods: the case of Brazil
- Fiscal risk and financial fragility
- Analysis of the effectiveness of public health measures on COVID-19 transmission
- Machine learning in complex networks
- Overconfidence and the 2D:4D ratio
- Financial literacy and the perceived value of stress testing: an experiment using students in Brazil
- Time series pattern identification by hierarchical community detection
- Comparing the impact of subfields in scientific journals
Informações sobre o DOI: 10.1016/j.aap.2020.105694 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
003120763.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
