Computerized Household Activity-Scheduling Survey for Toronto, Canada, Area: Design and Assessment
Notice bibliographique
Résumé
Traditional activity-travel diary surveys have for some time served as the primary source of data for understanding and modeling travel behavior. Recent changes in policy and forecasting needs have led to the development of an emerging class of activity-scheduling process surveys that focus on the underlying behavioral mechanisms that give rise to travel and condition future change. Many of these surveys involve the use of computers for data entry over multiday periods. These changes pose new challenges and opportunities for quality assessment. At this early stage it is more important than ever to document closely the quantity and quality of data provided by such surveys as well as the associated burden and experience of respondents. This study reviews existing quality standards and seeks to develop several new data-quality measures suitable to this emerging class of surveys. Data are used from a recent household activity-scheduling survey of 271 households in Toronto, Ontario, Canada. A detailed description of the survey instrument is provided, along with an in-depth examination of key results that shed light on data quality. Included are results from a separate survey of 31 respondents concerning their experiences and perceptions of the survey. Overall, although the survey was generally successful in tracking both observed patterns and underlying decision processes over a multiday period within a household, it did come at a price in terms of respondent burden. On the basis of these results several new data-quality guidelines are suggested that incorporate use of activity-trip rates, scheduling-step rates, planning-time horizons, and log-in durations. Further specific suggestions for reducing respondent burden are suggested.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».