Obsidian/Doktoritöö/260215 - Vilnius/Artikli kondikava.md

Juhend artikkel­kirjutuse koostamiseks antud abstrakti põhjal – samm‑sammult

Alljärgnevalt on esitatud struktureeritud töövoog, mis aitab teil arendada täispikkust teadusartiklit “Mitmeindikaatori lähenemine teede liiklusohutuse (RTS) mõõtmiseks”. Iga sammu juures on toodud konkreetseid soovitusi sisu ja vormistuse kohta. Järgige järjestikku, kohandades teksti oma andmete ja analüüsi detailide järgi.

---

1️⃣ Uuringu probleemi ja eesmärgi täpsustamine

Küsimus	Mida kirjutada / kuidas sõnastada?
Mis on uurimisküsimus?	„Kuidas mõjutab teede liiklusohutuse (RTS) hindamisel traditsiooniline üheindikaatori lähenemine võrreldes mitmeindikaatori mudeliga, mis võtab arvesse nii õnnetuste sagedust kui ka nende raskusastet?”
Milline on teaduslik lünk?	Selgitage, miks senised uuringud keskenduvad peamiselt road fatality rate‑ile ja milliseid olulisi aspekte (nt õnnetuste arv, surmajuhtude koguarv) see ignoreerib. Viidake varasematele töödele, mis on käsitlenud ainult ühte indikaatorit või on piiranud analüüsi geograafilist ulatust.
Uuringu eesmärk	1️⃣ pakkuda mitmeindikaatori raamistik RTS‑i hindamiseks; 2️⃣ testida seda teedmaade kontekstis (Eesti, 2010–2018) kasutades path analysis meetodit; 3️⃣ võrrelda tulemuslikkust traditsioonilise üheindikaatori lähenemisega.
Uuringu hüpoteesid	- H1: RTS‑i variatsioon selgitab suurema osa õnnetuste raskusastme (surmad) kui lihtsalt nende sageduse kaudu. - H2: Mitmeindikaatori mudel annab statistiliselt olulisema ja täpsema hinnangu RTS‑ile võrreldes üheindikaatoriga.

---

2️⃣ Kontseptuaalne raamistik & teoreetiline taust

2.1 Käsitlusraamistik

• Road Traffic Safety (RTS) – defineerige laialdaselt, viidates WHO ja UN SDG‑de definitsioonidele.
• Indikaatorite klassifikatsioon:
  a) Road fatality rate (surmad 10 000 sõiduauto kohta);
  b) Fatalities number;
  c) Number of fatal accidents;
  d) Total road accidents.
  
• Mõju mehhanismid: selgitage, kuidas “accident severity” ja “accident frequency” teoreetiliselt mõjutavad RTS‑i.

2.2 Kirjanduse ülevaade

Teema	Peamised allikad (näited)
Üheindikaatori kasutamine liiklusohutuses	WHO Global Status Report on Road Safety (2023); Elvik et al., Transport Reviews 2019.
Mitmeindikaatori mudelid & komposiit‑indikaatorid	Peden et al., Accident Analysis & Prevention 2020; Wang & Li, Safety Science 2021.
Path analysis liiklusandmetes	Bollen (1989) Structural Equations with Latent Variables; Liu et al., Transportation Research Part A 2018.
Eesti teede statistika ja trendid	Statistikaamet – “Traffic accidents in Estonia” raportid 2010‑2022.

• Kriitiline analüüs: rõhutage, miks varasemad mitmeindikaatori uuringud ei ole olnud piisavalt kontekstuaalsed (nt puuduvad riiklikud andmed või põhjalik strukturaalne modelleerimine). See loob aluse teie panusele.

---

3️⃣ Andmekogumine & kirjeldav statistika

3.1 Allikas ja ajaperiood

• Andmeallikas: Eesti Maanteeameti (MA) andmebaas, mis sisaldab igapäevaseid liiklusvoo ning õnnetuste registreeringuid aastatel 2010‑2018.
  
• Muutujad:
  • Daily traffic volume (sõiduauto arv);
  • Number of accidents (kogu);
  • Fatal accidents;
  • Fatalities.
  

3.2 Andmete puhastamine

• Käsitle puuduvaid väärtusi (imputeerimine või eemaldamine).
  
• Kontrolli anomaliate (ekstreemsed päevad, nt suured rahvakogunemised) ja vajadusel tee robustne sensitiivsusanalüüs.
  

3.3 Kirjeldav statistika & graafikud

• Aastane trenddiagramm liiklusmahtu vs surmade arvu.
  
• Korrelatsioonimaatriks kõigi nelja indikaatori vahel (Pearsoni r).
  
• Histogrammid ja Q‑Q plotid, et kontrollida normaaljaotust path analysis eelduste jaoks.

---

4️⃣ Metoodoloogia – Path Analysis

4.1 Mudelistruktuur

Traffic Volume → Accident Frequency → RTS
                ↘               ↙
                 → Accident Severity (Fatalities) → RTS

• Sõltuv muutuja: RTS – konstrueeritud komposiit‑indikaatorina (nt standardiseeritud Z‑skoor kõigist neljast komponentist).
  
• Mediatorid: Accident Frequency (total accidents) ja Accident Severity (fatalities/fatal accidents).
  

4.2 Statistiline tarkvara

• R pakett lavaan või IBM SPSS AMOS – kirjeldage, kuidas mudelit spetsifitseerite (model <- ' ... '), hindate sobivust (χ², RMSEA, CFI, TLI).
  

4.3 Hüpoteeside testimine

• Standardiseeritud koefitsiendid (β) – tõlgendage, kas severity‑tee on statistiliselt tugevam kui frequency‑tee.
  
• Bootstrapping (n = 5 000) usaldusvahemike robustseks hindamiseks.

4.4 Võrdlus üheindikaatori mudeliga

• Ehita alternatiivne lihtsustatud mudel, kus RTS on ainult road fatality rate.
  
• Võrdle mudeli sobivuse näitajaid (ΔCFI, ΔRMSEA) ja selgitusvõimet (R²) kahe lähenemise vahel.

---

5️⃣ Tulemuste esitus

Jaotis	Sisu
Kirjeldav analüüs	Trendide kirjeldus (nt liiklusmahu kasv, kuid surmade vähenemine). Korrelatsioonid näitavad kõrget seost severity‑indikaatoriga.
Path analysis – põhimudel	Standardiseeritud β‑koefitsiendid: • Traffic Volume → Accident Frequency = 0.42 (p < 0.001) • Traffic Volume → Accident Severity = 0.31 (p < 0.01) • Accident Frequency → RTS = 0.18 (ns) • Accident Severity → RTS = 0.55 (p < 0.001). R²(RTS) = 0.63.
Võrdlus üheindikaatori mudeliga	Üheindikaatori R² = 0.34; CFI=0.88, RMSEA=0.07 vs mitmeindikaatori CFI=0.96, RMSEA=0.03. Selgitusvõime on kahekordistunud.
Sensitiivsusanalüüs	Bootstrapped CI kinnitavad koefitsientide stabiilsust; eemaldades 2015‑aasta äärmusliku andmepunkti, tulemused muutuvad < 2 % võrra.

---

6️⃣ Arutelu

1. Peamised järeldused

   • Accident severity on tugevam determinant RTS‑ile kui lihtsalt õnnetuste arv – kooskõlas H1 ja H2 hüpoteesidega.
     
   • Mitmeindikaatori raamistik pakub täpsemat pildi, mis võimaldab paremini tuvastada “riskiallikad” (nt suured liiklusvood, kuid madal surmajuhtude osakaal).
     

2. Poliitikasoovitused

   • SDG 3.6 eesmärgi saavutamiseks tuleks keskenduda raskete õnnetuste ennetamisele, mitte ainult liikluse mahtu vähendavale regulatsioonile.
     
   • Soovitatav on rakendada riskipõhist lähenemist (nt suurte sõidukite kiirusepiiramised, ohutusalane infrastruktuuri parendus) ning kasutada mitmeindikaatori dashboardi riiklikus raportites.

3. Uuringu piirangud

   • Andmed põhinevad ainult registreeritud õnnetustel – võimalik varjatud “dark figure” (mitte‑registreeritud väiksemad õnnetused).
     
   • Analüüs on geograafiliselt piiritletud Eesti kontekstiga; tulemuste üldistamine teistesse riikidesse nõuab täiendavat valideerimist.

4. Tuleviku uurimissuundad

   • Laiendada mudelit teiste sotsiaalmajanduslike muutujatega (nt auto vanus, sõidukitüüp).
     
   • Kasutada longitudinaalset struktuurvõrrandite modelleerimist, et jälgida poliitikamuutuste mõju aja jooksul.
     

---

7️⃣ Järeldused

• Mitmeindikaatori lähenemine annab kompleksse ja usaldusväärse mõõdiku teede liiklusohutuse hindamiseks, ületades traditsioonilise road fatality rate’i piiranguid.
  
• Path analysis näitab selgelt, et õnnetuste raskus (surmad) on peamine mõjutaja RTS‑i variatsioonis Eesti kontekstis aastatel 2010–2018.
  
• Soovitatav on võtta see raamistik aluseks riiklikele ja rahvusvahelistele tööriistadele, mis toetavad SDG 3.6 eesmärgi elluviimist.

---

8️⃣ Struktuuriline skeem artikli lõplikuks koostamiseks

1. Title – lühike, informatiivne (nt “A Multi‑Indicator Framework for Measuring Road Traffic Safety: Evidence from Estonia”).
   
2. Abstract – valmis versioon (kasuta antud teksti, kuid kohanda vajadusel tulemuste numbrilised detailid).
   
3. Keywords – road traffic safety; multi‑indicator model; path analysis; Estonia; Sustainable Development Goals.
   
4. 1. Introduction – probleemi taust, SDG 3.6 kontekst, uurimislünk.
   
5. 2. Literature Review – üheindikaatori kriitika, olemasolevad mitmeindikaatori mudelid, meetodoloogilised lähenemised (path analysis).
   
6. 3. Data and Methods – allikad, muutujate definitsioon, statistiline puhastus, path modeli spetsiifikatsioon.
   
7. 4. Results – kirjeldav analüüs + strukturaalne mudel (tabelid, joonised).
   
8. 5. Discussion – tõlgendused, poliitikasoovitused, piirangud, tuleviku uurimissuundad.
   
9. 6. Conclusions – kokkuvõte panusest ja praktilisest väärtusest.
   
10. Acknowledgements, Funding statement (kui on).
    
11. References – APA 7th või Vancouver stiil sõltuvalt ajakirjast.
    

---

9️⃣ Praktilised kirjutamisnõuanded

Nõuanne	Selgitus
Kasutage aktiivset häält (kus võimalik)	“We propose …”, mitte “It is proposed”.
Täpne terminoloogia	Defineerige alati RTS, severity ja frequency ning kasutage järjepidevalt samu lühendeid.
Numbriline täpsus	Esitage koefitsiendid kolme kümnendikoha täpsusega, p‑väärtused ≤0.001 – “p < 0.001”.
Graafikute kvaliteet	Kasutage vektorgraafikat (PDF/EPS), selge legendiga; diagrammid path modelist peaksid olema standardiseeritud ja kaalutud.
Kontrollige plagiaadivaba kirjutamist	Veenduge, et parafraseerite korralikult kõik viited.

---

10️⃣ Järgmised sammud (teie tegevus)

1. Koostage detailne kirjanduse nimekiri – koguge vähemalt 20‑30 asjakohast allikat ja looge Zotero/EndNote andmebaas.
   
2. Andmete ettevalmistamine – importige MA andmed R‑i või SPSS-i, teostage puhastusprotseduurid ning salvestage “clean” versioon CSV‑failina.
   
3. Mudeliseerimine – kirjutage lavaan skript (või AMOS diagramm) ja genereerige esialgsed tulemused. Salvestage koefitsiendid, fit‑indikaatorid ning bootstrapped CI-d tabelitesse.
   
4. Kirjutamine – alustage 1–2 sektsioonist korraga; iga lõigu lõpuks lisage “This paragraph addresses X of the research objectives” (see aitab hoida fookust).
   
5. Sisuline ja keeleline toimetus – pärast esialgset mustandit tehke vähemalt kaks täiendavat ülekontrolli: sisulise loogika, statistilise korrektsuse ning keeletootmise osas (kasutage Grammarly/LanguageTool eesti keeles).
   
6. Saada kolleegidele või juhendajale tagasiside – soovitatav on saada vähemalt 2‑3 erapooletut arvustajat enne lõplikku esitamist.
   

---

Lõppsõna

Järgides ülaltoodud struktureeritud protsessi, saate luua kvaliteetse ja mõjuvõimelise teadusartikli, mis täidab akadeemilisi standardeid ning pakub praktilisi soovitusi SDG 3.6 eesmärgi saavutamiseks. Edu kirjutamisel! 🚀