MétaCan
Menu
Retour à la cohorte
Enregistrement W2138585575 · doi:10.5539/mas.v9n4p303

Parametric Approach to the Assessment of Service Quality Attributes of Municipal Passenger Transport in Moscow

2015· article· en· W2138585575 sur OpenAlexvenueno aff
Роман Сидорчук, Д.М. Ефимова, Irina Lopatinskaya, V. A. Kaderova

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation Systems and Logistics
Établissements canadiensnon disponible
Organismes subventionnairesРоссийский экономический университет имени Г.В. Плеханова
Mots-clésParametric statisticsService (business)Passenger transportService qualityTransport engineeringQuality (philosophy)Computer scienceEnvironmental scienceBusinessStatisticsMathematicsMarketingEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The paper presents the results of research of passenger transport services in the city of Moscow by public transport.The research method is based on assessing the quality by using "Mystery Shopper" observation method.The peculiarity of the method involves the use of parametric indices outlined by researchers and affecting quality of the provided transportation service.These parameters include cleanliness, ticket-selling speed, presence of cellular signal, etc.The obtained results demonstrate that, given the existing features of automatic vending machines, they still cannot completely replace traditional ticket offices.The results of the research demonstrate that the applied method does not allow relating the presence of a particular inspected parameter to service quality perception by consumers.The researchers see the future direction of their work on the revision of the applied methodology in the part for calculation the level of satisfaction, for example, based on a special index.In particular, inclusion of the parameters of perceived quality, use of a multi-stage or stratified sampling to improve the representativeness of the research results, use of frequency measurement -4 times per year to account for the seasonality factor.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,105
Tête enseignante GPT0,317
Écart entre enseignants0,212 · 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'étudeSans objet
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

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetTransportation Systems and LogisticsTravaux en français237 207