Identifying the Leaders
Notice bibliographique
Résumé
With increasing recognition of the potential and accrued benefits for mobility, health, and the environment, public bikeshare programs are growing in popularity globally. Any city planning to launch a program will be keenly interested in understanding who may use it to enable strategic marketing that will facilitate quick uptake and adoption. The diffusion of innovation theory was applied to data from a population-based telephone survey to characterize who would be most likely to use a new public bikeshare program. A telephone survey of 901 residents of Vancouver, British Columbia, Canada, was conducted before the launch of Vancouver's public bikeshare program. Results showed that a majority [ n = 614/901, 69.1%; 95% confidence interval (CI) = 66.3%, 72.7%] of respondents thought that a public bikeshare program was a good idea; however, only one-quarter ( n = 217/901, 24.2%; 95% CI = 21.1%, 27.3%) said that they would be likely or very likely to use the program. Logistic regression identified characteristics associated with higher and lower likelihood of use, which were used to create an adoption curve that defines population segments anticipated to be the leaders in adopting the program. The theory was used to develop implementation recommendations to maximize program uptake, including ensuring that the program would have tangible advantages over driving and transit, would be affordable and easy to try, would integrate with transit and carshare opportunities, and would appeal to social trends such as environmental responsibility. These results can assist planning and promotion in cities set to launch public bikeshare programs.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,021 |
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 ».