Characterizing, measuring, and managing transit service quality
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle