MétaCan
Menu
Retour à la cohorte
Enregistrement W2129376627 · doi:10.1111/0017-4815.00165

Determinants of the Travel Behavior of the Suburban Elderly

2001· article· en· W2129376627 sur OpenAlexaffabout
Geoffrey C. Smith, Gina Sylvestre

Notice bibliographique

RevueGrowth and Change · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésExplanatory powerMetropolitan areaSuburbanizationAutonomyGeographyLogistic regressionPopulationDemographic economicsPsychologyDemographyGerontologySociologyMedicinePolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

In recent years, a significant feature of population change in North American metropolitan areas has been the rapid suburbanization of elderly people. The ability to engage in routine activity may be a necessary condition for the maintenance of independent life styles and psychological well‐being among older suburbanites. Using a conceptual framework based on Parmelee and Lawton's ecological model of aging, this article offers an exploratory investigation of the determinants of the travel of separate samples of elderly male and female suburbanites to each of five destination categories of key service/activity sites in a Canadian city. The results of the tests of ten multiple regression models disclose that the levels of explanation of trip frequency afforded by “autonomy components” (e.g. health‐related characteristics, living arrangements, and income level) vary according to destination category. However, the explanatory power of “security components” (i.e. variables concerning access to destination categories) is generally low. Overall, the findings of the study provide a basis for developing a deeper understanding of the repetitive travel behavior of elderly suburbanites.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,047
Tête enseignante GPT0,289
Écart entre enseignants0,242 · 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

Citations62
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGrowth and ChangeMême sujetUrban Transport and AccessibilityTravaux en français237 207