COVID-19: Are you satisfied with traveling during the pandemic?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The outbreak of COVID-19 and preventive measures to limit the spread of the virus has significantly impacted our daily activities. This study aims to investigate the effect of daily activity engagement including travel activity and sociodemographic characteristics on travel satisfaction during COVID-19. This study develops a latent segmentation-based ordered logit (LSOL) model using data from the 2020 COVID-19 Survey for Assessing Travel Impact (COST), for the Kelowna region of British Columbia, Canada. The LSOL model accommodates the ordinal nature of the satisfaction level and captures heterogeneity by allocating individuals into discrete latent segments. The model results suggest that the two-segment LSOL model fits the data best. Segment one is more likely to be younger and older high-income workers; whereas, segment two includes middle-aged lower-income, unemployed individuals. The model results suggest that daily activity engagement and sociodemographic attributes significantly affect travel satisfaction. For example, participation in travel for routine shopping, recreational activity, and household errands has a positive effect on travel satisfaction. The use of transportation modes like bike/walk depicted a higher probability to yield travel satisfaction. The model confirms the existence of significant heterogeneity. For instance, travel for work showed a negative relationship in segment one; whereas, a positive relationship is found in segment two. Access to higher household vehicle yield lower satisfaction in segment one; in contrast, a positive relationship is found in segment two. The findings of this study provide important insights towards maintaining the health and well-being of the population during this and any future pandemic crisis.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle