Integrating perceptions of the school neighbourhood environment with constructs from the theory of planned behaviour when predicting transport‐related cycling among Chinese college students
Notice bibliographique
Résumé
Abstract Aim: Using a longitudinal design, the purpose of this study was to test a model integrating perceptions of the school neighbourhood environment with constructs from the Theory of Planned Behaviour (TPB) to predict transport‐related cycling among Chinese college students. Methods: A sample of 630 (M age = 18.95 years; SD = 1.16) Chinese college students completed baseline measures that included perceptions of the school neighbourhood environment, TPB constructs, transport‐related cycling, and covariates. Of those, 547 students (M age = 18.90 years; SD = 0.92) also completed measures of transport‐related cycling one month later. Results: Findings showed that intention had a direct effect on students’ transport‐related cycling, while attitudes, subjective norm, and perceived behavioural control predicted cycling indirectly via intention. Perceptions of the school neighbourhood environment did not provide an indirect effect on cycling via the TPB constructs, although some perceived environmental factors had indirect effects on intention via attitudes and subjective norm. Further, those who perceived better street connectivity showed a larger intention‐cycling relationship than those who perceived less street connectivity. Conclusions: Findings of this study highlight the importance of integrating perceptions of the school neighbourhood environment with the TPB constructs to explain transport‐related cycling through both intention formation and action control (i.e. translating intention into behaviour). The identified moderator of perceived street connectivity on the intention‐cycling relationship suggests that efficient cycling routes may impact action control of cycling. Future research applying dual process and action control models beyond TPB may contribute to the identification of the multilevel determinants of transport‐related cycling.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».