COVID-19 and Travel: How Our Out-of-home Travel Activity, In-home Activity, and Long-Distance Travel Have Changed
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
COVID-19 has made unprecedented impacts on our daily life. This paper investigates individuals' immediate response to COVID-19, exploring out-of-home activities, in-home activities, and long-distance travel. Data for the Kelowna region of Canada comes from a web-based COVID-19 Survey for assessing Travel impact (COST). In addition to analyzing the survey, this research models adjustments in travel decisions by developing ordered logit models for in-home and out-of-home activities, and a binomial logit model for long-distance travel. Data analysis suggests a reduction of about 50% out-of-home activities/day/person during COVID-19 compared to the pre-pandemic period, with the only exception being picking up online orders which significantly increased in frequency. Individuals were engaged in longer duration of in-home activities; the average duration of teleworking, online shopping for groceries and other goods at-home was around 5.5 h/day/person, 32 min/day/person, and 26 min/day/person respectively. The out-of-home activity model results suggest that higher income, younger and middle aged individuals, and full-time workers are more likely to decrease their out-of-home activity; whereas, males, lower income groups, health care professionals, and picking up online orders are more likely to increase. The in-home activity model suggests that older and younger adults, higher and lower income, full-time workers, and highly educated individuals are most likely to increase their in-home activity frequency; in contrast, health care professionals are likely to decrease. Long-distance travel model results reveal that seniors, students, and airline travelers are more likely to reschedule; whereas, trips to visit friends and family are more likely to be cancelled.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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