💻 computer science

Community Driving-Safety Deterioration as a Push Factor for Public Endorsement of AI Driving Capability

Deze studie toont aan dat bezorgdheid over de verkeersveiligheid in de gemeenschap een dubbelzinnig effect heeft op de acceptatie van zelfrijdende auto's: hoewel het de specifieke voorkeur voor AI-rijden direct verhoogt als reactie op risico's, ondermijnt het tegelijkertijd de algemene houding ten opzichte van AI, wat resulteert in een netto-effect dat dicht bij nul ligt.

Oorspronkelijke auteurs: Amir Rafe, Subasish Das

Gepubliceerd 2026-04-07

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Amir Rafe, Subasish Das

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Twee Gezichten van de Straat: Waarom we AI-rijden soms willen, maar vaak niet

Stel je voor dat je in een drukke stad woont. Je ziet overal mensen die te hard rijden, met hun telefoon in de hand, en elkaar bijna aanrijden. Je bent er moe van, je bent bang, en je denkt: "Dit is onveilig. Er moet iets anders komen."

Dit is precies wat deze studie onderzocht. De onderzoekers keken of deze angst voor de slechte rijders in je buurt (de "gemeenschapsveiligheid") ervoor zorgt dat mensen meer vertrouwen hebben in zelfrijdende auto's (AI).

Het antwoord is verrassend: Ja, maar ook nee. Het werkt als een strijd tussen twee gevoelens die tegen elkaar op werken.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De "Duw" (De Push): "Deze mensen zijn gevaarlijk, dus de robot moet het doen!"

Wanneer mensen zien dat hun buren en medeburgers gevaarlijk rijden, ontstaat er een duw-effect. Het is alsof je zegt: "De menselijke bestuurder is zo slecht geworden dat ik liever een computer aan het stuur heb."

Het effect: Dit zorgt ervoor dat mensen de zelfrijdende auto iets beter vinden dan een menselijke bestuurder. Het is een pragmatische keuze: "Als de mens faalt, kies ik voor de machine."

2. De "Rem" (De Pull): "Maar ik heb ook geen vertrouwen in die computers!"

Hier wordt het interessant. Diezelfde angst voor de gevaarlijke straat zorgt er ook voor dat mensen algemeen minder enthousiast worden over kunstmatige intelligentie (AI) in het algemeen.

De analogie: Stel je voor dat je in een wijk woont waar veel inbraken gebeuren. Je bent bang voor de dieven (de menselijke fouten). Maar door die angst begin je ook te twijfelen aan de veiligheid van alle nieuwe systemen, zelfs de alarmen die je zelf wilt installeren. Je bent bang dat "technologie" in het algemeen niet te vertrouwen is.
Het effect: Omdat mensen door de gevaarlijke straat bang worden voor AI in het algemeen, worden ze minder enthousiast over de zelfrijdende auto. Die algemene angst werkt als een rem op hun enthousiasme.

3. Het Resultaat: Een onzichtbare strijd

Dit is het meest fascinerende deel van de studie. De "duw" (we willen AI omdat mensen slecht rijden) en de "rem" (we zijn bang voor AI omdat de wereld onveilig is) zijn bijna even sterk.

Het resultaat: Ze heffen elkaar grotendeels op.
De metafoor: Het is alsof je op een fiets zit. Je trapt hard vooruit (duw-effect) omdat je weg gevaarlijk is, maar iemand duwt tegelijkertijd hard op je pedalen om je te vertragen (rem-effect). Uiteindelijk beweegt de fiets nauwelijks vooruit. De totale mening van de bevolking over zelfrijdende auto's verandert daardoor niet echt, ondanks dat de wegen zo gevaarlijk zijn.

Wat betekent dit voor de toekomst?

De onderzoekers ontdekten twee belangrijke dingen:

Veiligheid alleen is niet genoeg: Als je alleen de verkeersborden verbetert en de boetes verhoogt om de menselijke fouten te verminderen, verlies je misschien wel de "duw". Mensen denken dan: "Oh, de mensen rijden weer prima, dus ik heb die dure robotauto niet nodig."
Vertrouwen is de sleutel: Omdat de "rem" (de algemene angst voor AI) zo sterk is, is het belangrijker om mensen te leren hoe AI werkt en hen te laten zien dat het veilig is. Als je de algemene angst wegneemt, werkt de "duw" van de gevaarlijke straat veel beter.

Kortom:
Mensen willen een zelfrijdende auto niet alleen omdat de wegen slecht zijn. Ze willen het vooral als ze ook geloven dat de technologie zelf betrouwbaar is. Als we alleen de wegen verbeteren, maar mensen bang houden voor technologie, blijven we stilstaan. We moeten beide kanten aanpakken: de wegen veiliger maken én het vertrouwen in de robot terugwinnen.

Probleemstelling

Het artikel adresseert een cruciale lacune in de bestaande literatuur over de acceptatie van autonome voertuigen (AV). Hoewel verkeersongevallen wereldwijd jaarlijks ongeveer 1,19 miljoen levens eisen en het merendeel hiervan wordt veroorzaakt door menselijke fouten, modelleren de meeste studies AV-acceptatie uitsluitend via "trekfactoren" (pull factors). Deze zijn gericht op de aantrekkelijke eigenschappen van de technologie zelf, zoals waargenomen nut, gebruiksgemak en vertrouwen.

De auteurs stellen dat er een onbenutte "duwfactor" (push factor) bestaat: de ontevredenheid met het bestaande systeem, specifiek de perceptie dat het veiligheidsniveau van menselijk rijden in de gemeenschap verslechtert. De centrale vraag is of deze Perceived Community Driving-Safety Concern (PCSC) een voorspeller is voor de evaluatie van AI-rijden ten opzichte van menselijk rijden, en hoe dit verband wordt beïnvloed door de algemene houding ten opzichte van kunstmatige intelligentie (AI).

Methodologie

De studie hanteert een rigoureuze methodologische aanpak om de complexiteit van het probleem te adresseren:

Data: Gebruik gemaakt van een nationaal representatieve steekproef van de Pew Research Center's American Trends Panel (Wave 152, augustus 2024), bestaande uit $N=5.410$ respondenten. De data zijn gewogen om de bevolking te representeren (effectieve steekproefgrootte $n_{eff} = 3.993$ ).
Model: Een gemodereerde mediation (moderated mediation) structuur.
- Onafhankelijke variabele: PCSC (latente construct, gemeten via 6 items over snelheid, agressief rijden, etc.).
- Mediator: Generalized AI Orientation (latente construct, 7 items die de balans tussen enthousiasme en bezorgdheid over AI in het dagelijks leven meten).
- Afhankelijke variabele: Evaluatie van AI-rijden versus menselijk rijden (ordinaal, 4-puntsschaal).
- Moderator: Persoonlijke rijfrequentie.
Statistische Analyse:
- Structural Equation Modeling (SEM): Geschat met Weighted Least Squares Mean and Variance Adjusted (WLSMV) om rekening te houden met ordinaal meetniveau van de indicatoren.
- Confirmatory Factor Analysis (CFA): Eerst uitgevoerd om de meetmodellen te valideren.
- Inferentie: Gebruik van bias-corrected bootstrap (10.000 resamples) voor indirecte effecten.
- Robuustheidstests: Zeven vooraf geregistreerde checks, waaronder Imai-sensitiviteitsanalyse, E-waarde-bepaling voor ongemeten confounding, propensity score matching (PSM), en multigroepsanalyses (stedelijk vs. landelijk).

Belangrijkste Resultaten

De analyse onthult een inconsistent mediation-patroon (ook wel een onderdrukkend effect genoemd), wat betekent dat de directe en indirecte paden tegengestelde tekens hebben:

Direct Effect (Duw-factor): PCSC heeft een klein maar statistisch significant positief direct effect op de evaluatie van AI-rijden ( $c' = 0.037, p = 0.020$ ). Mensen die meer zorgen hebben over de veiligheid in hun omgeving, neigen er direct toe om AI-rijden als een beter alternatief te zien dan menselijk rijden.
Indirect Effect (Risico-overloop): PCSC heeft een significant negatief effect op de Generalized AI Orientation ( $a = -0.075, p < 0.001$ ). Mensen die zich zorgen maken over verkeersveiligheid, hebben over het algemeen een negatievere houding tegenover AI in het algemeen (meer angst, minder vertrouwen). Omdat een positieve algemene AI-houding sterk correleert met een positieve evaluatie van AI-rijden ( $b = 0.338$ ), leidt deze negatieve mediator tot een negatief indirect effect op de AI-rijbeoordeling.
Netto-effect: Het totale effect is bijna nul ( $0.037 + (-0.025) \approx 0.012$ ). De positieve duw van de specifieke verkeersproblemen wordt dus grotendeels opgeheven door de negatieve onderdrukking van de algemene AI-enthousiasme.
Moderatie: De rijfrequentie moderateerde het pad niet significant. Het mechanisme werkt consistent, ongeacht hoe vaak iemand rijdt.
Stabiliteit: Het indirecte effect was significant en negatief bij lage, gemiddelde en hoge rijfrequentie. De sterkte van het effect was echter iets lager in stedelijke gebieden vergeleken met voorsteden en platteland.

Kernbijdragen

Theoretisch: De studie introduceert het concept van een risico-overloopmechanisme (risk-spillover mechanism). Het toont aan dat zorgen over een specifiek domein (verkeersveiligheid) niet alleen een pragmatische voorkeur voor een alternatief (AI) creëren, maar ook een bredere, negatieve affectieve reactie op de technologie zelf kunnen oproepen. Dit verfijnt de bestaande "Push-Pull" en TAM-modellen.
Methodologisch: Het artikel biedt een voorbeeld van methodologische strengheid in dit veld, door gebruik te maken van een waarschijnlijkheidsgebaseerde steekproef, gewogen SEM met ordinaal data, en een uitgebreide reeks robuustheidstests die vaak ontbreken in studies met convenience-steekproeven.
Empirisch: Het bewijst dat de relatie tussen verkeersveiligheid en AI-acceptatie niet lineair is, maar een complex spanningsveld vertoont tussen domeinspecifieke noodzaak en domeingenerieke angst.

Betekenis en Implicaties

Beleid en Implementatie: De bevindingen suggereren dat het verbeteren van de verkeersveiligheid (bijv. via handhaving) op zichzelf de publieke acceptatie van AV's niet noodzakelijk versnelt. Sterker nog, het kan de "duw-factor" verzwakken. Tegelijkertijd kan verslechterende veiligheid de algemene AI-enthousiasme onderdrukken, wat de acceptatie juist vertraagt.
Prioriteit voor Communicatie: Omdat het pad van Generalized AI Orientation naar AI-rijbeoordeling veel sterker is dan het directe pad van verkeerszorgen, is het verbeteren van de algemene AI-geletterdheid en het verminderen van algemene AI-angst waarschijnlijk effectiever voor AV-acceptatie dan het enkel focussen op verkeersveiligheidsinterventies.
Risicoperceptie: De studie benadrukt dat publieke opinie over AI niet losstaat van de perceptie van de huidige situatie. Een verslechterende status quo kan zowel een oplossing aantrekken als de angst voor de nieuwe technologie vergroten, wat leidt tot een stagnerende netto-acceptatie.

Samenvattend toont dit onderzoek aan dat de acceptatie van autonome voertuigen niet alleen wordt gedreven door de voordelen van de technologie, maar ook door een complex psychologisch proces waarbij zorgen over de huidige menselijke prestaties zowel een motivatie voor verandering als een bron van bredere technologie-angst kunnen zijn.