School-travel by public transit: Rethinking active transportation
Notice bibliographique
Résumé
Walking and cycling to school is a source of physical activity (PA). Little is known about public transit use for travel to school and whether it is a physically active alternative to car use for those who live too far to walk. To describe school-trip characteristics, including PA, across travel modes and to assess the association between PA with walk distance. High school students (13.3 ± 0.7 years, 37% female) from Downtown Vancouver wore accelerometers (GT3X +) and global positioning systems (GPS) (QStarz BT-Q1000XT) for 7 days in October 2012. We included students with valid school-trip data (n = 100 trips made by n = 42 students). We manually identified school-trips and mode from GPS and calculated trip duration, distance, speed, and trip-based moderate-to-vigorous PA (MVPA; min). We assessed between-mode differences and associations using multilevel regression analyses (spring 2014). Students accrued 9.1 min (± 5.1) of trip-based MVPA, which was no different between walk and transit trips (p = 0.961). Walking portions of transit trips were similar to walking trips in terms of distance (p = 0.265) and duration (p = 0.493). Walk distance was associated with MVPA in a dose–response manner. Public transit use can contribute meaningfully toward daily PA. Thus, school policies that promote active school-travel should consider including public transit.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».