Impacts of Smart Configuration in Pedelec-Sharing: Evidence from a Panel Survey in Madrid
Notice bibliographique
Résumé
Despite the recently increasing research interest, this is one of the first studies employing a panel sample of users and nonusers to understand the bike-sharing phenomenon (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>N</mml:mi><mml:mo>=</mml:mo><mml:mn fontstyle="italic">205</mml:mn></mml:math>). On the basis of a novel surveying technique, a case study on the clients of the state-of-the-art bike-sharing scheme of Madrid (Spain) is presented. BiciMAD is a system of the latest generation, namely, multimodal demand responsive bike-sharing: a fleet of electric pedal-assisted bicycles (pedelecs) with an advanced technology and unique smart service configuration to tackle challenges that may hinder the promotion of cycling and bike-sharing in the city. A statistical test has verified that there is a moderate association between previous intention and actual use of bike-sharing (Cramer’s V = 0.25) and both barriers and motivators of further use have been identified. Indicators on mobility patterns show that although drawing primarily from other sustainable modes of transport, bike-sharing has increased mobility (total number and distance of trips) and especially active travel but decreased the perceived travel time.
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 | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 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 ».