MétaCan
Menu
Retour à la cohorte
Enregistrement W3081685989 · doi:10.31542/muse.v4i1.1883

The Sharing Economy: Do e-scooters make the cut?

2020· article· en· W3081685989 sur OpenAlexaffvenueabout
Brady Bailey, Sarah Sereda

Notice bibliographique

RevueMacEwan University Student eJournal · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésSharing economySustainabilityBusinessOrder (exchange)Sustainable businessSocial sustainabilityResource (disambiguation)MarketingPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Sharing is as old as civilization itself. Corporations now are taking an old idea and creating a strategic model with the help of technology. This modern sharing economy, while having roots in sustainable practices, can often be mistaken as an inherently sustainable business model. We present the outcomes of a project on e-scooters as an example to emphasize the potential impacts and characteristics of a business operating within the sharing economy. To understand and gain public opinion, a survey was conducted gathering 222 responses regarding e-scooter usage in Edmonton, Alberta. Another source of information was the interview with a top executive of Lime Scooters, an e-scooter company operating in Edmonton. We found that while online platforms make resource sharing between peers easier to access, they are not always economically sustainable. Literature review on life-cycle analysis of e-scooters revealed that environmental sustainability is also not ingrained in practice, and careful consideration of business operations is needed to mitigate potentially negative impacts. In addition, thoughtful policies need to be considered and put into place in-order to encourage public and private trust. Overall, the sharing economy can be quite effective in creating a sense of community and social sustainability, but it should not be graded as a wholly sustainable practice without evidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,006
Communication savante0,0100,022
Science ouverte0,0010,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,021
Tête enseignante GPT0,197
Écart entre enseignants0,177 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMacEwan University Student eJournalMême sujetSharing Economy and PlatformsTravaux en français237 207