Notice bibliographique
Résumé
A subjective measure of car dependence was developed on the basis of people's own assessment of their reliance on car use. The measure supplements the commonly used objective measure on the basis of actual car use. Structural equation models (SEMs) were estimated to quantify the subjective dependence and to examine its determinants: demographics, socioeconomics, and land use and transit access. The comparison between subjective dependence and actual car use disclosed significant differences between the measures, despite their statistical linkage. The measures also differed significantly in terms of how they were influenced by the determinants. Segmenting the population by both measures revealed 20% of the sample with contrasting subjective and objective measures. After controlling for the determinants, the SEMs examined relations between subjective car dependence (attitude), actual car use (behavior), and the intent to reduce car use (intention). Given the cross-sectional nature of the data, causality could not be proven. Two plausible structural relationships were tested: that actual car use determined subjective car dependence and that no direction of causality was assumed. Subjective car dependence mediates the impact of car use on the intent to reduce it: the direct effect of car use on the intent to reduce it is 0.2; the indirect effect through stated car dependence is —0.6; the total effect is —0.4. Actual car use explains approximately 50% of the variation in subjective car dependence, which, together with actual car use, explains approximately 60% of the variation in people's intent to reduce car use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».