MétaCan
Menu
Retour à la cohorte
Enregistrement W3135497061 · doi:10.7202/1083289ar

L’impact de l’accessibilité et de la forme urbaine sur le choix modal des jeunes adultes : le cas de l’agglomération lyonnaise (1995-2006)

2021· article· fr· W3135497061 sur OpenAlexvenueno aff
Louafi Bouzouina, Caroline Bayart, Patrick Bonnel

Notice bibliographique

RevueCanadian Journal of Regional Science · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

L’objectif de cet article consiste à estimer les facteurs qui déterminent le non usage de la voiture particulière chez les jeunes adultes et de mesurer les effets spécifiques de l’accessibilité et de la forme urbaine du lieu de résidence et du lieu de travail ou d’étude. L’analyse repose sur les données des deux enquêtes ménages déplacements, de 1995 et 2006, de l’agglomération lyonnaise en France, enrichies par des indicateurs de contexte spatial extraits de bases de données géographiques. Trois modes fréquemment utilisés lors des déplacements domicile-travail/étude sont considérés : la voiture particulière, le transport en commun et les modes actifs (marché à pied, vélo). Les résultats des modèles logit multinomiaux montrent que les facteurs socioéconomiques ont un impact significatif sur le choix modal pour les déplacements domicile-travail/étude. Cependant, les caractéristiques des zones de résidence et d’activité ont un pouvoir explicatif encore très important sur le fait de ne pas utiliser la voiture chez les jeunes adultes. L’influence de la structure urbaine, via la densité de population/emploi, les activités de proximité et l’accessibilité au transport en commun, est plus prononcée en 2006 par rapport à 1995. La probabilité de ne pas conduire chez les jeunes adultes dépend encore plus de l’accessibilité et de la forme urbaine du lieu de travail ou d’étude que de celles du lieu de résidence.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,005
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,319
Écart entre enseignants0,287 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Regional ScienceMême sujetUrban Transport and AccessibilityTravaux en français237 207