MétaCan
Menu
Retour à la cohorte
Enregistrement W2071591468 · doi:10.1111/j.1468-2257.2008.00464.x

New Insights into Senior Travel Behavior: The Canadian Experience

2009· article· en· W2071591468 sur OpenAlexaffabout
Darren M. Scott, Jamie Spinney, Rubén Mercado, Antonio Páez, Pavlos Kanaroglou

Notice bibliographique

RevueGrowth and Change · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTravel behaviorBusinessMarketingPsychologyAdvertisingEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Societies in many developed nations around the world are aging. Over the past decade, a growing body of research has emerged internationally in an effort to anticipate and prepare for the transport challenges posed by this unprecedented demographic change. This paper contributes to this line of research by offering new insights into senior travel behavior focusing on the recent Canadian experience. Using weekday data from the 1992 and 2005 General Social Surveys on time use, changes in the number of trips, the duration of trips, trip mode, and trip timing are evaluated for urban seniors. In contrast to the experiences of many other developed nations, analysis of the first three indicators of behavioral change refutes the notion that “automobility” has increased in Canada over the 13‐year period. While this finding is encouraging, it is tempered by the fact that Canadian seniors who choose to travel by car are doing so increasingly during the morning and evening peak periods. The results from a peak versus non‐peak departure‐time model that pools data from both years offer important insights into factors driving this change. For instance, the results suggest that the propensity to start a trip during rush hour has increased over time for non‐work trip purposes.

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)0,004
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 enseignants0,043
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0120,003
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,039
Tête enseignante GPT0,289
Écart entre enseignants0,250 · 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

Citations70
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGrowth and ChangeMême sujetUrban Transport and AccessibilityTravaux en français237 207