MétaCan
Menu
Retour à la cohorte
Enregistrement W2345963576 · doi:10.1177/0265813515614678

Shortening the trip to school: Examining how children’s active school travel is influenced by shortcuts

2015· article· en· W2345963576 sur OpenAlexaffabout
Andrew Clark, Emily A. Bent, Jason Gilliland

Notice bibliographique

RevueEnvironment and Planning B Planning and Design · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringTravel behaviorTravel timePhysical activityPsychologyGeographyComputer scienceEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

For children and youth, the journey to and from school represents a significant opportunity to increase daily levels of physical activity by using non-motorized modes of travel, such as walking and biking. Studies of active school travel have demonstrated that the likelihood a child will walk or bike is significantly influenced by the distance they must travel between home and school, which in turn, is influenced by built environment characteristics such as the configuration of the local road network. This study examines how shortcuts can facilitate active school travel by decreasing the distance children must travel to get to and from school. A geographic information system was used to compare shortest route distances along road networks with and without shortcuts in 32 elementary school zones in London, Ontario, Canada and provide evidence on the effectiveness of shortcuts to facilitate active school travel. This study contributes two key findings: (1) shortcuts have a greater impact in areas with low street connectivity and low population density and (2) children living farther from school are more likely to benefit from shortcuts. The findings suggest that planners should consider the location and maintenance of shortcuts in school neighbourhoods in order to promote increased physical activity, health and well-being among students.

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)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil0,549

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,062
Tête enseignante GPT0,282
Écart entre enseignants0,220 · 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

Citations20
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning B Planning and DesignMême sujetUrban Transport and AccessibilityTravaux en français237 207