MétaCan
Menu
Retour à la cohorte
Enregistrement W1854138845 · doi:10.1080/01441647.2015.1042944

Potential Path Areas and Activity Spaces in Application: A Review

2015· review· en· W1854138845 sur OpenAlexaff
Zachary Patterson, Steven Farber

Notice bibliographique

RevueTransport Reviews · 2015
Typereview
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensThe Scarborough HospitalUniversity of TorontoConcordia University
Organismes subventionnairesNational Institute for Transportation and CommunitiesUniversity of Utah
Mots-clésCategorizationData scienceSpace (punctuation)Domain (mathematical analysis)Management scienceRegional scienceSociologyGeographyComputer scienceOperations researchEngineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The potential path area (PPA) and activity space (AS) concepts play a central role in the substantial amount of applied research focusing on the quantitative analysis and description of people's spatial behaviour. Given this large literature, and the surprising lack of a formal review of the research, the time is ripe for a systematic review. This paper examines how the key concepts of PPAs and ASs have evolved, how they have been applied, what issues need to be resolved, and potential areas for future research. The review begins with the main theoretical developments influencing the applied use of these methods, and continues with a categorization of the literature across three dimensions — research domain, methods of calculation and application purpose. We find that the methods have been used not only in the core originating fields of travel behaviour and transport geography, but also in health, criminology and demography, and are growing fastest in health. The methods have been applied to a number of purposes with applications to accessibility the most common and the fastest growing. Demonstrated interest in these methods, along with the technologies and data to facilitate them, suggests a bright future for the use of PPAs and ASs in the social sciences.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,077
Tête enseignante GPT0,395
Écart entre enseignants0,318 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations130
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransport ReviewsMême sujetUrban Transport and AccessibilityTravaux en français237 207