MétaCan
Menu
Retour à la cohorte
Enregistrement W2062433653 · doi:10.1080/715020598

Impact of telecommuting and intelligent transportation systems on residential location choice

2003· article· en· W2062433653 sur OpenAlexafffundabout
M R Tayyaran, Ata M. Khan, Donald A. Anderson

Notice bibliographique

RevueTransportation Planning and Technology · 2003
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensCarleton University
Organismes subventionnairesScience and Engineering Research BoardNatural Sciences and Engineering Research Council of Canada
Mots-clésTelecommutingMixed logitDiscrete choiceLogitPreferenceTransport engineeringTransportation planningEstimationChoice modellingUrban planningPublic transportComputer scienceBusinessLogistic regressionEconometricsEconomicsEngineeringMarketingMicroeconomicsCivil engineering

Résumé

récupéré en direct d'OpenAlex

The impacts of telecommuting and intelligent transportation systems (ITS) on urban development patterns were investigated in terms of households' residential location choice decisions. A discrete choice modelling approach framework was used. A stated preference (SP) logit analysis was carried out to estimate the parameters of the utility function. An attitude survey of employees of selected public and private sector organizations in the Ottawa-Carleton Region (Canada) yielded the required data for model estimation. In addition to obtaining background information, the survey elicited SP responses by presenting a number of hypothetical residential choice scenarios defined according to the principles of SP experimental design. Results show that telecommuting and ITS measures are highly significant factors in the residential choice model. This leads to the conclusion that these reinforce dispersed residential patterns and encourage moves towards outlying sites. Implications of this conclusion for urban land development planning are noted.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,024
Tête enseignante GPT0,332
Écart entre enseignants0,308 · 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

Citations50
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Planning and TechnologyMême sujetUrban Transport and AccessibilityTravaux en français237 207