MétaCan
Menu
Retour à la cohorte
Enregistrement W1684453201

Assessing Transportation Disadvantage in Rural Ontario, Canada: A Case Study of Huron County

2015· article· en· W1684453201 sur OpenAlexaffvenueabout
Eric Joseph Marr

Notice bibliographique

RevueJournal of rural and community development · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésDisadvantageDisadvantagedService (business)BusinessService providerGeographyEconomic growthSocioeconomicsPolitical scienceEconomicsMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In virtually all rural areas of Ontario, Canada, the limited availability of transportation alternatives means that rural residents without access to a personal vehicle are at an increased risk of transportation disadvantage. To date, little research has been conducted in Ontario as to the transportation limitations of rural residents, nor has a comprehensive study of groups at risk of transportation disadvantage been conducted. To address this gap, this research involved the development and testing of a transportation disadvantage framework, using Key Informant Interviews with service providers operating within Huron County, Ontario. Five demographic groups were found to be at risk of transportation disadvantage within Huron County: (1) older adults, (2) those with physical or mental disabilities, (3) youth, (4) people in low-income households, and (5) women. The results confirm that transportation disadvantage exists on a continuum, with some groups more disadvantaged than others, as well as some services more attainable than others. The framework was found to be a useful, and accessible, starting point for assessing groups at risk of transportation disadvantage in a rural community. The findings suggest that a coordinated transportation service, serving multiple demographic groups, may contribute to reducing transportation disadvantage while better utilizing the resources of existing service providers. Keywords: rural transportation; car dependence; transportation disadvantage; mobility; accessibility; rural Canada ------------------------------------------------- Resume Dans presque toutes les regions rurales de l'Ontario, au Canada, la disponibilite limitee des moyens de transport signifie que les residents ruraux n'ayant pas acces a un vehicule personnel ont des risques plus eleves d'etre desavantages en terme de transport. Jusqu'a present, peu de recherches ont ete menees en Ontario quant aux contraintes des transports des residents ruraux, pas plus qu'une etude detaillee n'a ete menee sur les groupes exposes a des risques de desavantage de transport. Afin d'aborder cet ecart, cette recherche a inclu le developpement et l'essai d'un cadre de desavantage de transport, en utilisant les entrevues aupres des informateurs cles avec les fournisseurs de service operant dans le comte de Huron, en Ontario. Cinq groupes demographiques ont ete consideres a risque de desavantage de transport dans le comte de Huron, en Ontario: (1) les adultes âges, (2) ceux ayant des incapacites physiques ou mentales, (3) les jeunes, (4) les personnes ayant un faible revenu et (5) les femmes. Les resultats confirment que les desavantages en terme de transport existent, sur un continuum, avec des groupes plus desavantages que d'autres, ainsi que des services plus atteignables que d'autres. Le cadre a ete reconnu comme utile et accessible; c'est un point de depart pour evaluer les groupes presentant des risques de desavantage de service de transport dans une communaute rurale. Les resultats suggerent qu'une coordination de service de transport, servant de multiples groupes demographiques, pourrait contribuer a reduire les desavantages en terme de transport tout en utilisant mieux les ressources des fournisseurs de service existant.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,378

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0170,003
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,320
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetUrban Transport and AccessibilityTravaux en français237 207