The demographics of decarbonizing transport: The influence of gender, education, occupation, age, and household size on electric mobility preferences in the Nordic region
Notice bibliographique
Résumé
Many researchers, policymakers and other stakeholders have explored and supported efforts to transition towards more sustainable forms of low-carbon mobility. Often, discussion will flow from a narrow view of consumer perceptions surrounding passenger vehicles—presuming that users act in rationalist, instrumental, and predictable patterns. In this paper, we hold that a better understanding of the social and demographic perceptions of electric vehicles (compared to other forms of mobility, including conventional cars) is needed. We provide a comparative and mixed methods assessment of the demographics of electric mobility and stated preferences for electric vehicles, drawing primarily on a survey distributed to more than 5000 respondents across Denmark, Finland, Iceland, Norway and Sweden. We examine how gender influences preferences; how experience in the form of education and occupation shape preferences; and how aging and household size impact preferences. In doing so we hope to reveal the more complex social dynamics behind how potential adopters consider and calculate various aspects of conventional mobility, electric mobility, and vehicle-to-grid (V2G) systems. In particular, our results suggest that predominantly men, those with higher levels of education in full time employment, especially with occupations in civil society or academia, and below middle age (30–45), are the most likely to buy them. However, our analysis also reveals other market segments where electric vehicles may take root, e.g. among higher income females and retirees/pensioners. Moreover, few respondents were orientated towards V2G, independent of their demographic attributes. Our empirical results can inform ongoing discussions about energy and transport policy, the drivers of environmental change, and deliberations over sustainability transitions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».