MétaCan
Menu
Retour à la cohorte
Enregistrement W2565613554 · doi:10.1080/15568318.2016.1266425

Where no cars go: Free-floating carshare and inequality of access

2016· article· en· W2565613554 sur OpenAlexaff
Justin Tyndall

Notice bibliographique

RevueInternational Journal of Sustainable Transportation · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIncentiveBusinessCensus tractDemographicsTransport engineeringInequalityService providerService (business)CensusMarketingEconomicsEngineeringPopulationEnvironmental healthMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Carsharing programs have demonstrated a potential to significantly shift incentives with regard to private vehicle ownership. The advent of free-floating vehicle fleets has enabled providers to offer ubiquitous vehicle access in designated urban areas. The ability of users to choose where to drop off vehicles presents the possibility that the density of available vehicles in particular areas will be insufficient to supply a reasonable level of service to local residents. The current paper will use exclusive data on vehicle location from a free-floating carshare service that operates in ten U.S. cities. Analysis will relate the availability of vehicles to census tract demographics. Results show vehicles cluster in tracts that are disproportionately populated by residents who are educated, young, employed, and white. Carshare systems have received significant in-kind incentives from government to operate. The mobility benefits of free-floating carshare systems appear to accrue disproportionately to advantaged populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,255
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,266
Écart entre enseignants0,252 · 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 tête enseignante, 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 revueInternational Journal of Sustainable TransportationMême sujetTransportation and Mobility InnovationsTravaux en français237 207