MétaCan
Menu
Retour à la cohorte
Enregistrement W2112847447 · doi:10.1590/s2238-10312012000200002

Measuring the transportation needs of seniors

2012· article· en· W2112847447 sur OpenAlexaff
Rania Wasfi, David Levinson, Ahmed El-Geneidy

Notice bibliographique

RevueJournal of Transport Literature · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDestinationsTransport engineeringPopulationBusinessTravel behaviorMarketingGerontologyPsychologyEnvironmental healthGeographyMedicineEngineeringTourism

Résumé

récupéré en direct d'OpenAlex

Transportation systems are built with the intention to serve communities by providing accessibility and mobility. Yet seniors residing in these communities face different challenges compared to regular commuters. Seniors have special needs in terms of desired destinations and challenges faced due to limitations in mobility and decline of accessibility levels where they reside. In this research paper we discuss major findings from a mail-out mail-in survey conducted in Hennepin County, Minnesota to measuring met and unmet urban transportation needs of seniors. Compared to previous research this study uses primary collected data rather than relying on travel surveys, which does not measure the unmet urban transportation needs of seniors. The findings from this survey is consistent in term of measuring the existing travel behavior of seniors, which raises our confidence in the information being collected related to the unmet transportation needs of seniors. Seniors are found to be generally independent and rely mainly on auto usage to reach desired destinations at higher rates compared to the rest of the population. The majority of seniors reported although they are currently independent they do know that such independency is not permanent and they have to learn more about alternatives available to them. This study helps transportation engineers and planners in better understanding the current and future challenges that they will face with an aging population.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,135
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,268
Écart entre enseignants0,248 · 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 tête enseignante, 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

Citations31
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Transport LiteratureMême sujetUrban Transport and AccessibilityTravaux en français237 207