Notice bibliographique
Résumé
The COVID-19 pandemic had an unprecedented impact on transit usage, primarily owing to the fear of infection. Social distancing measures, moreover, could alter habitual travel behavior, for example, using transit for commuting. This study explored the relationships among pandemic fear, the adoption of protective measures, changes in travel behavior, and anticipated transit usage in the post-COVID era, through the lens of protection motivation theory. Data containing multidimensional attitudinal responses about transit usage at several pandemic stages were utilized for the investigation. They were collected through a web-based survey in the Greater Toronto Area, Canada. Two structural equation models were estimated to examine the factors influencing anticipated postpandemic transit usage behavior. The results revealed that people taking relatively higher protective measures were comfortable taking a cautious approach such as complying with transit safety policies (TSP) and getting vaccinated to make transit trips. However, the intention to use transit on vaccine availability was found to be lower than in the case of TSP implementation. Conversely, those who were uncomfortable taking transit with caution and who were inclined to avoid travel and rely on e-shopping were most unlikely to return to transit in the future. A similar finding was observed for females, those with vehicle access, and middle-income individuals. However, frequent transit users during the pre-COVID period were more likely to continue to use transit after the pandemic. The study's findings also indicated that some travelers might be avoiding transit specifically because of the pandemic, implying they are likely to return in the future.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».