Breaking into Bicycle Theft: Insights from Montreal, Canada
Notice bibliographique
Résumé
Many cities have adopted policies that promote walking and cycling because of their positive environmental, economic, and social benefits. As bicycles become a more popular form of transportation and more bicycles are out on the road, planners and transportation researchers will have to consider not only how to create urban spaces that encourage cycling, but also how to discourage bicycle theft. Currently, bicycle theft often goes unnoticed and is largely unchallenged. The present research brings attention to this issue by providing a narrative on bicycle theft in Montreal, Quebec, Canada. A bilingual online bicycle theft survey was designed for this purpose and answered by 2,039 Greater Montreal residents. Summary statistics address ‘who’, ‘what’, ‘where’, ‘how’, and ‘when’ questions, a logit model determines variables associated with theft, and thematic maps compare experienced and expected theft between sub- regions. Half of respondents have had at least one bicycle stolen. Cyclists most frequently had their bicycles stolen in the downtown area. While, bicycles locked with U-locks, expensive bicycles, and those owned by women, are less likely to have been stolen. Satisfaction with bicycle parking availability and security tends to be low, and many cyclists are willing to pay for improved secure bicycle parking. Findings from this study can not only be useful to better understand and ultimately decrease bicycle theft in Montreal, but can also be beneficial for cyclists, police, and policy makers in other cities aiming to decrease bicycle theft as it highlights new findings in this unexplored area of research.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».