Impact of COVID-19 Pandemic on Motorcycle Purchase in Dhaka, Bangladesh
Notice bibliographique
Résumé
The impacts of COVID-19 on the transportation system have received attention from researchers all over the world. Initial findings reveal that patronage of public transport has gone down, while the use of active transport has increased in general. To the best of our knowledge, no study has focused on the pandemic’s effects on motorcycle mode, let alone in the context of an Asian city. We attempted to fill this void in literature by investigating if COVID-19 has influenced people to purchase motorcycles and determining the factors driving their intentions. The study is based on an online survey of 368 people in Dhaka, the capital of Bangladesh. The study found that around 46% of the respondents were expected to increase travel by motorcycle during the post-lockdown period. About 21% of the respondents were also expected to do the opposite. Around 31% of the respondents planned to purchase a motorcycle by August 2021, and the results indicated that the pandemic has influenced more people to purchase motorcycles compared to the pre-pandemic period. The study further identified factors that influenced the respondents’ plan for purchasing a motorcycle during the post-lockdown period applying the binary logistic regression. Based on the findings of the study, policy measures were proposed for controlling the growth of motorcycle numbers and increasing the use of active transport modes as its alternative, and consequently, helping to achieve sustainable transportation outcomes.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».