Transportation Alternatives for Rural Seniors in New Brunswick, Canada: Issues, Policy Implications and Research Needs
Notice bibliographique
Résumé
A review of the literature relating to rural older people and transportation suggests there is a disconnect between the transportation needs of rural older people and the transportation available or provided to them, especially in the context of those who have curtailed driving or are no longer licensed. While numerous services claim to serve rural transportation interests, little research has closely examined the availability and type of the services relative to the transportation needs of rural seniors. Selected local and intercity transportation operators in New Brunswick, Canada (population 730,000) were identified, profiled and interviewed to explore issues relating to service uptake by rural seniors, including policy implications and research needs. New Brunswick was used as a case study given its substantial rural population (50% of the population), when compared to Canada as a whole (20% of the population is rural) (1). The study found many rural areas in New Brunswick have no local transportation alternatives available, and of those that do, most struggle for ridership and all have funding issues. Available transportation at the local level is a mix of non-profit associations, nursing homes, private companies and municipally-sponsored systems. Some taxi services are willing to serve rural areas, but at substantial cost. Intercity transportation consists of scheduled bus service between terminals in municipalities by one main carrier along major routes and by passenger rail along one corridor only. The most successful rural system appears to be a member-based service using passenger vehicles but provincial government funding cuts jeopardizes the future of the service.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».