On the Factors Influencing the Choices of Weekly Telecommuting\n Frequencies of Post-secondary Students in Toronto
Notice bibliographique
Résumé
The paper presents an empirical investigation of telecommuting frequency\nchoices by post-secondary students in Toronto. It uses a dataset collected\nthrough a large-scale travel survey conducted on post-secondary students of\nfour major universities in Toronto and it employs multiple alternative\neconometric modelling techniques for the empirical investigation. Results\ncontribute on two fronts. Firstly, it presents empirical investigations of\nfactors affecting telecommuting frequency choices of post-secondary students\nthat are rare in literature. Secondly, it identifies better a performing\neconometric modelling technique for modelling telecommuting frequency choices.\nEmpirical investigation clearly reveals that telecommuting for school related\nactivities is prevalent among post-secondary students in Toronto. Around 80\npercent of 0.18 million of the post-secondary students of the region, who make\nroughly 36,000 trips per day, also telecommute at least once a week.\nConsidering that large numbers of students need to spend a long time travelling\nfrom home to campus with around 33 percent spending more than two hours a day\non travelling, telecommuting has potential to enhance their quality of life.\nEmpirical investigations reveal that car ownership and living farther from the\ncampus have similar positive effects on the choice of higher frequency of\ntelecommuting. Students who use a bicycle for regular travel are least likely\nto telecommute, compared to those using transit or a private car.\n
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».