article_20251229_093529.json 23 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436
  1. {
  2. "article": {
  3. "pdf_metadata": {
  4. "filename": "1-s2.0-S0001457509003340-main.pdf",
  5. "filepath": "./data/pdfs/1-s2.0-S0001457509003340-main.pdf",
  6. "file_hash": "382916d83d1f3510765618ef0d598b69",
  7. "file_size": 625413,
  8. "page_count": 8,
  9. "creation_date": "2025-12-29T08:04:29.697297",
  10. "modification_date": "2025-06-15T12:04:11.620798"
  11. },
  12. "source_file": "./data/pdfs/1-s2.0-S0001457509003340-main.pdf",
  13. "file_hash": "382916d83d1f3510765618ef0d598b69",
  14. "title": "Accident Analysis and Prevention 42 (2010) 1089–1096",
  15. "authors": [],
  16. "year": "2010",
  17. "journal": "",
  18. "doi": "10.1016/j.aap.2009.12.020",
  19. "abstract_en": "## Keywords:Road safety problemIncompatibilityUnprotected road usersRisk factorsSolutionabstract\nKeywords:Road safety problemIncompatibilityUnprotected road usersRisk factorsSolutionabstract\nSome road safety problems have persisted for a long time in nearly all motorised countries, suggesting\nthat they are not easily solved. This paper documents the persistence over time of five such problems: thehigh risk of accidents involving young drivers; the high risk of injury run by unprotected road users; risksattributable to incompatibility between different types of vehicles and groups of road users; differencesin risk between different types of traffic environment and speeding. A taxonomy of road safety problemsis developed in order to identify characteristics of problems that can make them difficult to solve. It isargued that if a problem is not perceived as a problem, is attributable to a misguided confidence in roaduser rationality, involves social dilemmas, or is closely related to the physics of impacts then it is likely tobe difficult to solve. Problems to which biological factors contribute are also likely to be difficult to solve.The characteristics that can make a problem difficult to solve are to some extent present for all the fiveproblems shown to be persistent in this paper.\n© 2009 Elsevier Ltd. All rights reserved.",
  20. "summary_et": "**Põhjalik kokkuvõte artiklist \"Why some road safety problems are more difficult to solve than others\" (Rune Elvik, 2010)**\n\n### 1. ARTIKLI PEAMISED PUNKTID\n\n**Uurimisküsimused ja eesmärgid:**\nArtikli peamine eesmärk on selgitada, **miks mõned teedeturvalisuse probleemid on püsivamad ja raskemini lahendatavad kui teised**, kuigi üldine liiklusohutus on viimastel aastakümnetel oluliselt paranenud. Autor seab küsimuse, miks probleemid nagu noorte juhtide kõrge õnnetusrisk, kergesti haavatavate liiklejate (jalg- ja jalgratturid, mootorratturid) oht, kiiruseületamine ja erinevused riskides eri liikluskeskkondades püsivad aastakümneid peaaegu kõigis motoriseeritud riikides.\n\n**Teaduslik tähtsus:**\nArtikkel pakub **süstemaatilist taksonoomiat (liigistust)**, et tuvastada ja kategoriseerida teedeturvalisuse probleemide omadusi, mis muudavad need lahendamisel keeruliseks. See on oluline, et suunata piiratud ressursse kõige raskematele probleemidele ja vältida ebaefektiivseid meetmeid. Töö ühendab empiirilist andmeanalüüsi (püsivuse näitamine) teoreetilise raamistikega (probleemide iseloomustamine).\n\n**Uudne panus valdkonda:**\nAutor ei keskendu konkreetsetele lahendustele, vaid **probleemide enda sügavamale olemusele**. Ta tõstatab, et mõned probleemid on \"kõvad\" (*hard*), kuna need on seotud füüsikaseadustega, bioloogiliste teguritega või sotsiaalsete dilemmadega, samas kui \"pehmed\" (*soft*) probleemid, nagu tehnilised rikked, on lahendatavad. See kontseptsioon võimaldab paremini mõista, miks teatud riskigrupid ja käitumismustrid on nii püsivad.\n\n### 2. KASUTATUD MEETODID\n\n**Andmete kogumise meetodid:**\nArtikkel tugineb **teiseanalüüsile** ja olemasolevatele riiklikele liiklusõnnetuste andmebaasidele ning statistilistele aruannetele (näiteks Norra, Holland, Suurbritannia). Püsivuse demonstreerimiseks kasutatakse ajaloolisi andmeid aastakümnete tagant.\n\n**Analüüsimeetodid:**\nPeamiseks analüüsimeetodiks on **kvantitatiivne trendianalüüs**. Autor võrdleb erinevate riskigruppide (nt noored juhid, kergesti haavatavad liiklejad) suhtelisi õnnetusmäärasid aja jooksul, et näidata nende stabiilsust. Lisaks kasutatakse **kirjanduse ülevaate** meetodit, et tuua välja teiste autorite tähelepanekuid püsivate probleemide kohta.\n\n**Mudelid ja algoritmid:**\nTöös ei kasutata keerukaid matemaatilisi mudeleid. Selle asemel **konstrueeritakse kvalitatiivne taksonoomia**. See on liigitus, mis kategoriseerib teedeturvalisuse probleeme nende lahendatavuse alusel, identifitseerides kuus põhilist omadust, mis probleemi raskemaks muudavad.\n\n### 3. PEAMISED TULEMUSED\n\n**Olulisemad leidud:**\n1. **Viis põhilist probleemi** on eriti püsivad: (1) noorte (eriti meeste) juhtide kõrge õnnetusrisk, (2) kergesti haavatavate liiklejate (jalg-, jalgratturid, mootorratturid) kõrge vigastustase, (3) suurte sõidukite (nt veokid) põhjustatud vigastused teistele liiklejatele, (4) stabiilsed riskierinevused eri liikluskeskkondades ja (5) kiiruseületamise kõrge levimus.\n2. **Taksonoomia tulemused:** Probleemid on raskesti lahendatavad, kui neil on üks või mitu järgmist omadust:\n * **Pole probleemina tajutud:** Osad liiklejad ei näe oma käitumises probleemi (nt kiiruseületamine).\n * **Põhineb ekslikul usul liikleja ratsionaalsusesse:** Eeldus, et inimesed teevad alati ohutuid valikuid, on vale (nt noorte juhtide riskantsus).\n * **Sisaldab sotsiaalset dilemmat:** Individuaalne kasu (kiirem sõit) on vastuolus kollektiivse heaoluga (suurem ohutus).\n * **Seotud kokkupõrke füüsikaga:** Massi- ja kiiruserinevused tekitavad paratamatult ohtu (nt auto vs. jalgratas).\n * **Seotud bioloogiliste teguritega:** Nooruse, soo või kogemuse puudumisega seotud riskid on sügavalt juurdunud.\n * **Põhjustatud süsteemsest ebaühtlusest (*incompatibility*):** Erineva massi, kiiruse ja kaitseastmega sõidukid jagavad sama teed (nt veok vs. pisikelektriauto).\n\n**Statistilised tulemused:**\nArtiklis esitatud graafikud näitavad, et näiteks **noorte juhtide (18-24) suhteline õnnetusrisk on Norras püsivalt 2-4 korda kõrgem** kui kõige ohutumal vanusegrupil (45-54 aastased). Samuti on **jalgratturite surmaga lõppenud õnnetuste osakaal Hollandis püsinud ligikaudu 25%** kõigist liiklussurmadest alates 1990. aastatest, kuigi surmajuhtumeid on tervikuna järsult vähenenud.\n\n**Mudeli täpsus ja piirangud:**\nTaksonoomia on **kvalitatiivne ja kontseptuaalne raamistik**, mitte kvantitatiivne ennustusmudel. See ei anna meedikuid selle kohta, *kui palju* raskem mingi probleem on, vaid pakub *miks* see võib olla raskem. Piiranguks on andmete üldistatavus, kuigi põhiprobleemid on tuvastatud paljudes riikides.\n\n### 4. JÄRELDUSED JA SOOVITUSED\n\n**Peamised järeldused:**\n1. Teedeturvalisuse edusammud ei ole ühtlased. Mõned probleemid on **süsteemsed ja püsivad**, mitte lihtsalt käitumuslikud, mida saab haridusega parandada.\n2. Probleemi lahendamise raskus sõltub **selle sisemisest olemusest**. Füüsikaseadustele või bioloogiale toetuvad probleemid nõuavad põhimõtteliselt teistsuguseid lahendusi kui \"pehmed\" tehnilised probleemid.\n\n**Rakendussoovitused:**\n1. **Tuleks keskenduda riskide **eraldamisele (*separation*) ja vähendamisele (*reduction*)**, mitte nende täielikule likvideerimisele.** Näiteks kergesti haavatavaid liiklejaid tuleks füüsiliselt eraldada kiirest autoliiklusest, mitte loota juhilemärkidele.\n2. **\"Kõvade\" probleemide puhul tuleb aktsepteerida, et täielikku lahendust ei pruugi olla.** Eesmärk peaks olema riski **haldamine** ja **minimeerimine** läbi keskkonna ja sõiduki kujunduse (nt kiiruspiirajad, parem kaitse).\n3. **Poliitikakujundajad peavad mõistma probleemide erinevat olemust**, et mitte raisata ressursse meetmetele, mis on põhimõtteliselt ebaefektiivsed teatud tüüpi probleemide puhul.\n\n**Edasised uurimissuunad:**\n1. Taksonoomia **kvantitatiivne testimine** ja täpsustamine, et hinnata iga omaduse suhtelist kaalu probleemi lahendatavuses.\n2. **Uurida, kuidas erinevad riigid on \"kõvade\" probleemidega toime tulnud**, et identifitseerida kõige tõhusamad poliitikakombinatsioonid.\n3. **Analüüsida, kuidas tehnoloogilised uuendused (nt autonoomne sõiduk)** võivad mõjutada nende püsivate probleemide olemust.\n\n### 5. TRANSFORDIPLANEERIMISE KONTEKST\n\n**Kuidas aitab artikkel paremat transpordisüsteemi kujundada?**\nArtikkel pakub **strateegilist lähenemist ohutusele**. See õpetab, et tõhus transpordisüsteem ei pea eesmärgiks seadma kõigi riskide likvideerimist, vaid **riskide intelligentset haldamist**. See nihutab fookust üksikisiku süüdistamiselt süsteemi kujundusele, mis arvestab inimlike piirangute ja füüsikaliste reaalsustega.\n\n**Millised on praktilised rakendused?**\n1. **Keskkonnakujundus:** Püsivate probleemide, nagu kokkusobimatuse ja kergesti haavatavate liiklejate ohu puhul on kõige tõhusamaks lahenduseks **füüsiline eraldamine** (rajatised, eraldatud rajad) ja **kiiruse vähendamine** (teede kujundus, alad).\n2. **Poliitikakujundus:** Noorte juhtide puhul tuleks keskenduda **kogemuse kogumisele ja piirangutele** (kordaminevad eksamid, öine sõidu keeld), mitte pelgalt karistustele. Kiiruseületamise puhul tuleks rõhku panna **automaatsele kontrollile** ja sõidukite **tehnilistele lahendustele** (intelligentsed kiirusepiirangud), sest pelgalt teadlikkus ei lahenda sotsiaalset dilemmat.\n\n**Mida võiks Eesti tingimustes rakendada?**\n1. **Keskenduda \"kõvadele\" probleemidele:** Eestis on samuti äärmiselt püsivad noorte juhtide õnnetused, talvel jalakäijate ohud ja maanteidel kiiruseületamine. Artikli põhjal tuleks need käsitleda kui **süsteemseid probleeme**, mis nõuavad pikaajalist ja mitmekihilist strateegiat.\n2. **Eraldamine linnades:** Linnauuendustes tuleks prioriteediks seada **jalgratta- ja jalakäijateinfra täielik eraldamine** autoliiklusest, eriti koolide ja lasteasutuste läheduses, et vähendada kokkusobimatuse riski.\n3. **Kiirusehaldus:** Asendada üksikud kiirusekaamerad **pideva kiirusemonitooringu süsteemidega** (nt keskmise kiiruse mõõtmine lõikudel), mis on tõhusamad sotsiaalse dilemma lahendamisel.\n4. **Süsteemne lähenemine noortele juhtidele:** Võtta kasutusele **järk-järgulise privileegide süsteem** (graduated driver licensing), mis piirab algajate juhte kõige ohtlikumates olukordades (öine sõit, kaasreisijad), kogemuse kogumiseks.\n\nKokkuvõttes võimaldab Elviku artikkel **transpordiplaanerijal näha teedeturvalisust sügavamalt**, mõistmaks, et mõned ohud on süsteemi sisseehitatud ja nende vähendamine nõuab põhimõttelist lähenemist teedekeskkonna ja sõidukipargi kujundamisele, mitte pelgalt käitumismuutust.",
  21. "key_concepts": [
  22. "Teedeturvalisuse probleemid",
  23. "püsivus",
  24. "taksonoomia",
  25. "sotsiaalsed dilemmad",
  26. "kokkusobimatuse riskid"
  27. ],
  28. "methods_used": [
  29. "Kirjanduse ülevaade",
  30. "statistiline analüüs",
  31. "andmete sekundaaranalüüs",
  32. "võrdlev analüüs",
  33. "taksonoomia väljatöötamine"
  34. ],
  35. "transport_context": {
  36. "analysis": "```json\n{\n \"theoretical_contribution\": \"Artikkel pakub olulist teoreetilist raamistikku, tuues sisse kvalitatiivse taksonoomia, mis liigitab teedeturvalisuse probleeme nende lahendatavuse alusel. See eristab 'kõvaid' (füüsika, bioloogia, sotsiaalsed dilemmad) ja 'pehmeid' probleeme, nihutades fookust üksikisiku süüdistamiselt süsteemsetele põhjustele. See panus aitab mõista, miks mõned riskid on püsivad, vaatamata üldisele ohutuse paranemisele.\",\n \"practical_applicability\": \"Artikkel on kõrge praktilise rakendatavusega, pakkudes selgeid juhiseid transpordiplaaneritele. See soovitab keskenduda riskide eraldamisele ja vähendamisele (nt füüsiline eraldamine kergesti haavatavatele liiklejatele, kiiruse vähendamine läbi keskkonnakujunduse) ning aktsepteerida, et 'kõvade' probleemide puhul on eesmärk riski haldamine, mitte likvideerimine. Konkreetsed rakendused hõlmavad linnaruumi kujundamist, kiirusehalduse süsteeme ja noortele juhtidele suunatud astmikulisi programme.\",\n \"problem_solving\": \"Töö pakub süstemaatilist lähenemist reaalsetele ja püsivatele teedeturvalisuse probleemidele, nagu noorte juhtide kõrge risk, kergesti haavatavate liiklejate ohud ja kiiruseületamine. See aitab tuvastada probleemide sügavamaid põhjusi (nt sotsiaalsed dilemmad, füüsikaseadused) ja suunab ressursse tõhusamatele lahendustele, vältides ebaefektiivseid meetmeid, mis ei arvesta probleemi olemust.\",\n \"limitations\": \"Peamiseks piiranguks on taksonoomia kvalitatiivne ja kontseptuaalne iseloom. See ei anna kvantitatiivset hinnangut sellele, kui palju raskem mingi probleem on, ega paku konkreetseid meetmeid iga kategooria jaoks. Lisaks tugineb analüüs peamiselt arenenud riikide andmetele, mistõttu üldistatavus teistes kontekstides võib olla piiratud. Artikkel ei käsitle põhjalikult uute tehnoloogiate (nt autonoomne sõiduk) võimalikku mõju.\",\n \"relevance_score\": 9\n}\n```",
  37. "relevance_score": 5
  38. },
  39. "relevance_score": 5,
  40. "processing_date": "2025-12-29T09:35:16.585067",
  41. "word_count": 6276,
  42. "section_count": 5
  43. },
  44. "embeddings_summary": [
  45. -0.014331070706248283,
  46. 0.042592160403728485,
  47. 0.033093806356191635,
  48. -0.022051982581615448,
  49. 0.017841247841715813,
  50. 0.008206924423575401,
  51. 0.06751130521297455,
  52. 0.11306855827569962,
  53. -0.08561964333057404,
  54. 0.013603108003735542,
  55. 0.03648228198289871,
  56. -0.0042493464425206184,
  57. 0.03787125647068024,
  58. 0.016413919627666473,
  59. -0.047340817749500275,
  60. -0.018314292654395103,
  61. 0.028108377009630203,
  62. 0.02250925451517105,
  63. -0.1076713353395462,
  64. 0.008854363113641739,
  65. -0.002684073057025671,
  66. -0.02480914816260338,
  67. 0.009003890678286552,
  68. -0.006897966377437115,
  69. -0.09811320900917053,
  70. 0.04401445388793945,
  71. 0.023523058742284775,
  72. -0.016061142086982727,
  73. 0.006887545343488455,
  74. -0.06154455989599228,
  75. -0.0039844997227191925,
  76. 0.02314693108201027,
  77. 0.019076721742749214,
  78. -0.05203729122877121,
  79. -0.00961911492049694,
  80. 0.04393809661269188,
  81. -0.11841638386249542,
  82. -0.013677630573511124,
  83. -0.010967056266963482,
  84. -0.0025146263651549816,
  85. -0.07033178955316544,
  86. -0.0636444166302681,
  87. -0.11204090714454651,
  88. -0.09277515858411789,
  89. 0.027175799012184143,
  90. -0.04340672492980957,
  91. -0.012526687234640121,
  92. -0.04830453172326088,
  93. -0.03473731875419617,
  94. -0.05516824498772621,
  95. -0.06684400886297226,
  96. -0.04373374208807945,
  97. -0.011015142314136028,
  98. -0.05155941843986511,
  99. 0.0039424290880560875,
  100. -0.1626376360654831,
  101. -0.06919582188129425,
  102. 0.07273463904857635,
  103. -0.03797481954097748,
  104. -0.006171167828142643,
  105. 0.026151347905397415,
  106. -0.0034375765826553106,
  107. -0.0006042009918019176,
  108. -0.003753023687750101,
  109. -0.015764575451612473,
  110. -0.018249690532684326,
  111. -0.03416262939572334,
  112. -0.05050842463970184,
  113. -0.03519890457391739,
  114. 0.1180558130145073,
  115. 0.05930284410715103,
  116. 0.005526217631995678,
  117. -0.03400284796953201,
  118. 0.024596545845270157,
  119. 0.009703274816274643,
  120. -0.011374837718904018,
  121. -0.00749092036858201,
  122. 0.008547976613044739,
  123. 0.021235888823866844,
  124. -0.09085021167993546,
  125. 0.017147069796919823,
  126. -0.01118448469787836,
  127. 0.049603402614593506,
  128. 0.06697510182857513,
  129. 0.03554389253258705,
  130. 0.003831428475677967,
  131. -0.07111121714115143,
  132. 0.00566664757207036,
  133. 0.07982470095157623,
  134. -0.029735907912254333,
  135. 0.08025716990232468,
  136. 0.027102001011371613,
  137. 0.00815186183899641,
  138. 0.00978625938296318,
  139. 0.07417759299278259,
  140. -0.02260272577404976,
  141. -0.07223787903785706,
  142. -0.00743333762511611,
  143. -0.051102496683597565,
  144. 0.011360293254256248,
  145. -0.01897806115448475,
  146. -0.007519880775362253,
  147. -0.017401017248630524,
  148. 0.029512977227568626,
  149. -0.013519388623535633,
  150. -0.009238789789378643,
  151. 0.0691274031996727,
  152. -0.09074558317661285,
  153. -0.021109050139784813,
  154. 0.05107657238841057,
  155. 0.0036983804311603308,
  156. -0.038175322115421295,
  157. 0.0017822147347033024,
  158. -0.06883430480957031,
  159. -0.030464300885796547,
  160. 0.013151513412594795,
  161. -0.07497552782297134,
  162. 0.005350944120436907,
  163. 0.03775358572602272,
  164. 0.07270613312721252,
  165. -0.03799346834421158,
  166. -0.06581196188926697,
  167. 0.03228479623794556,
  168. 0.002537170657888055,
  169. 0.055340591818094254,
  170. 0.02559581771492958,
  171. 0.055552300065755844,
  172. 2.2751682874589805e-32,
  173. -0.05090150982141495,
  174. -0.023993145674467087,
  175. -0.021908048540353775,
  176. -0.0509614497423172,
  177. 0.015764601528644562,
  178. -0.0712280422449112,
  179. -0.09149608761072159,
  180. -0.08539044111967087,
  181. 0.06934837251901627,
  182. -0.059095848351716995,
  183. -0.031933967024087906,
  184. -0.025939390063285828,
  185. -0.00637328764423728,
  186. -0.03076898865401745,
  187. 0.07318729907274246,
  188. -0.04352574795484543,
  189. -0.019435172900557518,
  190. -0.045671481639146805,
  191. -0.11575377732515335,
  192. 0.03283936157822609,
  193. 0.08782961964607239,
  194. -0.0884113609790802,
  195. 0.050262242555618286,
  196. -0.015497421845793724,
  197. -0.048801835626363754,
  198. 0.022734299302101135,
  199. 0.07830280810594559,
  200. -0.008496126160025597,
  201. 0.024734454229474068,
  202. 0.03183407709002495,
  203. -0.01142331026494503,
  204. 0.021514669060707092,
  205. -0.06547444313764572,
  206. 0.032368004322052,
  207. -0.10367967188358307,
  208. 0.10738660395145416,
  209. -0.09213364124298096,
  210. -0.06441958993673325,
  211. -0.11915654689073563,
  212. -0.05305400863289833,
  213. -0.07113798707723618,
  214. -0.04860316589474678,
  215. -0.009276749566197395,
  216. 0.054188862442970276,
  217. 0.1149684265255928,
  218. 0.04001735895872116,
  219. -0.0271080881357193,
  220. -0.005942144896835089,
  221. -0.022254806011915207,
  222. 0.013699495233595371,
  223. -0.11894494295120239,
  224. 0.037008628249168396,
  225. 0.006264358758926392,
  226. -0.09498635679483414,
  227. -0.026688674464821815,
  228. 0.09443388134241104,
  229. -0.008812828920781612,
  230. 0.02341489866375923,
  231. 0.002156125381588936,
  232. 0.024226337671279907,
  233. -0.05091157183051109,
  234. 0.004415538161993027,
  235. 0.09082633256912231,
  236. -0.025185346603393555,
  237. 0.029462307691574097,
  238. 0.02126394584774971,
  239. -0.037347227334976196,
  240. -0.010804485529661179,
  241. 0.014819111675024033,
  242. -0.02991926297545433,
  243. -0.024043843150138855,
  244. -0.030609264969825745,
  245. 0.05381076782941818,
  246. 0.08387859910726547,
  247. 0.031252339482307434,
  248. -0.006441678386181593,
  249. 0.002710979664698243,
  250. -0.026460209861397743,
  251. -0.053982265293598175,
  252. -0.0549946129322052,
  253. -0.14695455133914948,
  254. 0.022889891639351845,
  255. -0.005295105744153261,
  256. -0.03335762768983841,
  257. 0.13410358130931854,
  258. -0.024445567280054092,
  259. 0.0193845946341753,
  260. -0.04233918339014053,
  261. 0.02261858992278576,
  262. 0.1213836595416069,
  263. 0.02714693173766136,
  264. 0.06460722535848618,
  265. -0.022329509258270264,
  266. 0.04163331910967827,
  267. -0.06483142077922821,
  268. -2.310156729874412e-32,
  269. -0.049031659960746765,
  270. 0.043992556631565094,
  271. -0.07288073003292084,
  272. 0.044752489775419235,
  273. -0.01899835094809532,
  274. 0.012225743383169174,
  275. -0.03881188854575157,
  276. 0.0027615479193627834,
  277. 0.12915730476379395,
  278. 0.047854483127593994,
  279. -0.0928223580121994,
  280. -0.015071967616677284,
  281. -0.006525697652250528,
  282. -0.03678755834698677,
  283. -0.04273282364010811,
  284. -0.051979199051856995,
  285. 0.03649729862809181,
  286. 0.03624159097671509,
  287. -0.018896494060754776,
  288. 0.014896001666784286,
  289. -0.06281014531850815,
  290. 0.06541398912668228,
  291. -0.05004917085170746,
  292. 0.040721967816352844,
  293. -0.07406825572252274,
  294. 0.08072983473539352,
  295. -0.027648381888866425,
  296. -0.022423576563596725,
  297. -0.08001170307397842,
  298. 0.022974131628870964,
  299. 0.0056129866279661655,
  300. 0.00890214554965496,
  301. -0.06354411691427231,
  302. 0.034475721418857574,
  303. -0.015333550050854683,
  304. 0.04911515861749649,
  305. 0.01778593473136425,
  306. -0.07151229679584503,
  307. -0.07277249544858932,
  308. 0.02513328194618225,
  309. 0.04725232720375061,
  310. -0.0008722186321392655,
  311. 0.0820852518081665,
  312. -0.08400094509124756,
  313. 0.013960218988358974,
  314. -0.024436989799141884,
  315. -0.013585344888269901,
  316. -0.0171778816729784,
  317. -0.025085482746362686,
  318. -0.04642421379685402,
  319. 0.12750060856342316,
  320. 0.08898609131574631,
  321. 0.0005153350648470223,
  322. 0.06822273135185242,
  323. 0.06786088645458221,
  324. 0.07362613826990128,
  325. 0.03626377880573273,
  326. -0.050729960203170776,
  327. -0.06445156037807465,
  328. 0.06824413686990738,
  329. 0.06166558340191841,
  330. 0.07097574323415756,
  331. 0.016596199944615364,
  332. 0.0812348946928978,
  333. 0.058844249695539474,
  334. -0.042757548391819,
  335. -0.07372288405895233,
  336. -0.01597214862704277,
  337. 0.08795633167028427,
  338. -0.02062853053212166,
  339. -0.038497425615787506,
  340. -0.0392315573990345,
  341. -0.06206774711608887,
  342. -0.009129222482442856,
  343. 0.02847222238779068,
  344. -0.027272870764136314,
  345. -0.029457349330186844,
  346. 0.08705613762140274,
  347. -0.020110128447413445,
  348. -0.06353840231895447,
  349. -0.005384807009249926,
  350. 0.005942025687545538,
  351. -0.03479459881782532,
  352. 0.03761163726449013,
  353. -0.032973065972328186,
  354. -0.010939357802271843,
  355. -0.03528391197323799,
  356. -0.03292646259069443,
  357. 0.05117712914943695,
  358. 0.03167015314102173,
  359. -0.00047772983089089394,
  360. 0.02706076391041279,
  361. -0.0187784843146801,
  362. 0.04396071657538414,
  363. -0.0634840652346611,
  364. -7.520080913536731e-08,
  365. 0.02233736217021942,
  366. -0.018712149932980537,
  367. -0.015765340998768806,
  368. -0.018142227083444595,
  369. 0.05406911298632622,
  370. -0.07999133318662643,
  371. 0.011325199156999588,
  372. 0.056435249745845795,
  373. -0.12063474953174591,
  374. 0.030797084793448448,
  375. 0.052677031606435776,
  376. 0.0822477713227272,
  377. -0.046224698424339294,
  378. 0.029716048389673233,
  379. -0.0021309342700988054,
  380. 0.004871728830039501,
  381. 0.02390139363706112,
  382. 0.08446524292230606,
  383. -0.0614074282348156,
  384. -0.017381513491272926,
  385. 0.06762690097093582,
  386. -0.05457537621259689,
  387. -0.12032010406255722,
  388. 0.010754793882369995,
  389. 0.0192006416618824,
  390. 0.016863828524947166,
  391. 0.04789675027132034,
  392. 0.00894320197403431,
  393. 0.0030965835321694613,
  394. 0.027679262682795525,
  395. -0.05075465515255928,
  396. -0.016767673194408417,
  397. -0.0007754034013487399,
  398. -0.02206510864198208,
  399. 0.028853660449385643,
  400. 0.04864341765642166,
  401. 0.008699772879481316,
  402. 0.040937427431344986,
  403. 0.034869179129600525,
  404. 0.09356537461280823,
  405. -0.03408852964639664,
  406. -0.004175035748630762,
  407. 0.10086186975240707,
  408. 0.030593929812312126,
  409. -0.0006073779077269137,
  410. -0.02557343989610672,
  411. -0.07305626571178436,
  412. -0.0039704181253910065,
  413. 0.024437488988041878,
  414. -0.05931426212191582,
  415. -0.08426904678344727,
  416. -0.019760390743613243,
  417. 0.04671758785843849,
  418. 0.028214240446686745,
  419. -0.009479379281401634,
  420. 0.028469998389482498,
  421. 0.005348520819097757,
  422. -0.022238876670598984,
  423. -0.04206181317567825,
  424. 0.015451550483703613,
  425. 0.00258058775216341,
  426. 0.014244669117033482,
  427. 0.03953823447227478,
  428. 0.024425195530056953
  429. ],
  430. "processing_stats": {
  431. "pdf_pages": 8,
  432. "summary_length": 8534,
  433. "concepts_count": 5,
  434. "methods_count": 5
  435. }
  436. }