MétaCan
Menu
Retour à la cohorte
Enregistrement W2999457445 · doi:10.22201/fi.25940732e.2020.21n1.005

Análisis del tiempo de ascenso de pasajeros en buses de la ciudad de Bogotá usando un diseño factorial

2020· article· es· W2999457445 sur OpenAlexaff
Fredy Leandro Espejo-Fandiño

Notice bibliographique

RevueIngeniería Investigación y Tecnología · 2020
Typearticle
Languees
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensMinistère des Transports
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Mediante un estudio comparativo por observación se analizan en un diseño factorial los tiempos de ascenso por pasajero en rutas urbanas de la ciudad de Bogotá. A través de mediciones en terreno de los tiempos de detención de los buses en distintos paraderos de la ciudad, dando prioridad a los casos donde suceden ascensos de usuarios exclusivamente, dos tratamientos fueron involucrados en el experimento, la tipología vehicular con tres niveles (bus pequeño, bus mediano y bus grande) y la ocupación del bus con dos niveles (pocos y muchos pasajeros de pie). Se encontró que los datos originales no siguen una distribución normal y por tanto la variable respuesta fue objeto de transformación para estabilizar la varianza. Sobre los datos transformados, mediante un análisis de varianza de dos factores, se probó que tanto las diferentes tipologías vehiculares que operan en el transporte público de la ciudad como la ocupación del bus, tienen efectos en el tiempo de ascenso por pasajero. Con comparaciones múltiples se encontró que los buses pequeños, para bajos y altos niveles de ocupación, presentan tiempos de ascenso por pasajero significativamente diferentes en comparación con los buses medianos y grandes, y que la ocupación del bus genera diferencias significativas en la variable respuesta sólo para el bus mediano y grande. El modelo resultante fue un diseño factorial sin interacción el cual produjo una explicación del 46% de variabilidad de los datos transformados

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,197
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,291
Écart entre enseignants0,275 · 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.

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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngeniería Investigación y TecnologíaMême sujetTransportation Planning and OptimizationTravaux en français237 207