MétaCan
Menu
Retour à la cohorte
Enregistrement W2341121544 · doi:10.1002/atr.1377

Characterizing, measuring, and managing transit service quality

2016· article· en· W2341121544 sur OpenAlexvenueno aff
Benedetto Barabino, Massimo Di Francesco

Notice bibliographique

RevueJournal of Advanced Transportation · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic transportQuality (philosophy)Service qualityService (business)Transit (satellite)Quality of serviceLevel of serviceTransport engineeringComputer sciencePerspective (graphical)Process managementOperations researchRisk analysis (engineering)Operations managementEngineeringBusinessMarketingTelecommunications

Résumé

récupéré en direct d'OpenAlex

Summary Recent studies to evaluate the quality of transit service are generating a good amount of renewed interest in an old idea, the passenger's perspective; this new interest stems from recognizing that transit service quality should be characterised, measured, and managed by parameters capturing both passenger and transit operator perspectives. However, although the selected parameters are user‐oriented in their input, the output may not be as user‐oriented as considered, and the number or the percentage of passengers is often neglected. As a result, the findings are often misleading because the perspectives of transit operators dominate. Therefore, academics and practitioners must rethink their strategies of quality analysis of public transportation by stressing more on the role of passengers. These challenges are addressed in this paper with a practical, simple, and holistic framework, for Transit Quality (TRANSQUAL). This framework provides for the involvement of all stakeholders in the characterisation, measurement, and management of the stages of quality monitoring, which is jointly analyzed at different planning levels. In the characterization stage, the framework supports the selection of parameters to be monitored. The measurement stage sets and measures four quality areas in terms of percentage of passengers who expect a predefined level of service, for whom the service is designed, who receive the planned service, and who perceive the service as delivered. The management stage computes the differences between these percentages, points out criticalities, and recommends corrective actions. These stages are investigated in‐depth, integrated, and discussed in a real‐life case study. Copyright © 2016 John Wiley & Sons, Ltd.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,299
Écart entre enseignants0,271 · 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

Citations41
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTransportation Planning and OptimizationTravaux en français237 207