Exploring the Utilitarian and Non-Utilitarian Bicycling Behaviors of North American Women Cyclists
Notice bibliographique
Résumé
Background:Increasing bicycling is a common goal to increase physical activity. Studies have shown that women bike at a lower rate than men due to various factors; few studies have examined attitudes and perceptions of women cyclists at a large scale. This study aims to fill this gap by examining the bicycling behaviors of women cyclists across North America.Methods:We analyzed an online survey of 1,868 women cyclists in the US and Canada. The survey recorded respondents’ bicycling skills, attitude, perceptions of safety, surrounding environment, and other factors that may affect the decision to bicycle for transport and recreation. We used chi-squared and non-parametric tests to examine the differences among groups of cyclists. We then utilized tree-based machine learning methods (e.g., bagging, random forest, boosting) to select the most common motivations and concerns of these cyclists.Results:We found that perception of safety (e.g., traffic, motorist behavior, lighting) were significantly different among women cyclists across age groups, bicycling skill, and education levels. Tree-based model results indicate that perceptions of safety, wayfinding, bicycle facilities, hills, and concerns about health were among the most important factors for women to bike for transport or recreation. The average classification error rates were around 9-12%. Cross validation performed on 20% of the sample resulted in moderate error rates (9-25%).Conclusions:Our study suggests opportunities for designing healthy cities for women. Cities may enhance safety to increase bicycling rates of women through investing in bicycle facilities and lighting infrastructure as well as enforcing speed limits and aggressive behavior from motorists. Our study also outlines how promotional and education materials designed for women in the non-bicycling group may help to change behavior. Future studies to compare bicycling behaviors of cyclists and non-cyclists of both genders would be useful.
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 | 0,000 |
| 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 | 0,001 | 0,002 |
| 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 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 ».