Improving Bus Transit Safety Through Rewards and Discipline
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This synthesis addresses the current practices and experiences of public transit agencies in applying both corrective actions and rewards to recognize, motivate, and reinforce a safety culture within their organizations. The synthesis may be used to aid public transit agencies and other stakeholders in deciding how to proceed in this area. A literature review summarizes reports and documents, addressing the connection between employee safety performance and reward programs, as well as the effectiveness of reward/discipline initiatives in transit organizations. The survey of selected transit agencies yielded an 83% response rate, 25 of 30. Follow-up telephone interviews held across the country included a range of small to large transit agencies, rural and urban, and multimodal systems and addressed such issues as organizational commitment to safety, engagement of the work force, labor partnerships, safety standards and practices, rewards and discipline, and operations and maintenance. Nine case studies offer additional insight on active and innovative practices and related issues on the use of reward and discipline programs to promote and improve bus transit safety. Case study agencies were: Dallas Area Rapid Transit (Texas); Fayetteville Area System of Transit (North Carolina); GO Transit (Ontario, Canada); King County Metro (Seattle, Washington); Minnesota Valley Transit Authority (Twin Cities, Minnesota); River Cities Public Transit (Pierre, South Dakota); SouthWest Transit (Eden Prairie, Minnesota); Utah Transit Authority (Salt Lake City, Utah); and Wind River Transportation Authority (Riverton, Wyoming).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle