MétaCan
Menu
Retour à la cohorte
Enregistrement W2117894391 · doi:10.1177/0042098015594079

Waiting for the R train: Public transportation and employment

2015· article· en· W2117894391 sur OpenAlexaff
Justin Tyndall

Notice bibliographique

RevueUrban Studies · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésUnemploymentPublic transportNeighbourhood (mathematics)LimitingBusinessLabour economicsDemographic economicsPublic policyWork (physics)Public economicsEconomicsEconomic growthTransport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Expanding employment opportunities for citizens has become an increasingly central goal of public policy in the United States. Prior work has considered that the inability of households to spatially access jobs may be a driver of unemployment. The provision of public transportation provides a viable policy lever to increase the number of job opportunities available to households. Previous research has yielded mixed results regarding whether household location is an important factor in determining employment status. Several papers have identified mobility as a limiting factor for obtaining a job, particularly in regards to private vehicle ownership. The location of economically developed neighbourhoods and the citing of public transportation are conceivably codetermined, presenting an endogenous relationship. It is therefore unclear if public transportation access is actually contributing to neighbourhood job market outcomes. This paper will use the incidence of Hurricane Sandy striking New York City on 29 October 2012 and the resulting exogenous reduction in public transit access to particular neighbourhoods as a natural experiment to test for the effect of public transportation on employment outcomes. This study identifies a significant causal effect linking public transportation access to neighbourhood unemployment rates, particularly amongst subgroups dependent on 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 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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,583

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,218
Tête enseignante GPT0,378
Écart entre enseignants0,160 · 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

Citations90
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetUrban Transport and AccessibilityTravaux en français237 207