MétaCan
Menu
← Retour à la cohorte
Enregistrement W4206986574 · doi:10.1177/03611981211067790

COVID-19: Modeling Out-of-Home and In-Home Activity Participation during the Pandemic

2022· article· en· W4206986574 sur OpenAlexafffundabout
Md Shahadat Hossain, Khademul Haque, Mahmudur Rahman Fatmi

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRecreationDuration (music)Multinomial logistic regressionPandemicHazardWork (physics)Travel behaviorBusinessCoronavirus disease 2019 (COVID-19)LogitDemographic economicsMarketingGeographyMedicineEconomicsTransport engineeringEngineeringStatisticsEconometricsPolitical science

Résumé

récupéré en direct d'OpenAlex

Understanding the interaction between in-home and out-of-home activity participation decisions is important, particularly at a time when opportunities for out-of-home activities such as shopping, entertainment, and so forth are limited because of the COVID-19 pandemic. The travel restrictions imposed as a result of the pandemic have had a massive impact on out-of-home activities and have changed in-home activities as well. This study investigates in-home and out-of-home activity participation during the COVID-19 pandemic. Data comes from the COVID-19 Survey for assessing Travel impact (COST), conducted from March to May in 2020. This study uses data for the Okanagan region of British Columbia, Canada to develop the following two models: a random parameter multinomial logit (RPMNL) model for out-of-home activity participation and a hazard-based random parameter duration (HRPD) model for in-home activity participation. The model results suggest that significant interactions exist between out-of-home and in-home activities. For example, a higher frequency of out-of-home work-related travel is more likely to result in a shorter duration of in-home work activities. Similarly, a longer duration of in-home leisure activities might yield a lower likelihood for recreational travel. Health care workers are more likely to engage in work-related travel and less likely to participate in personal and household maintenance activities at home. The model confirms heterogeneity among the individuals. For instance, a shorter duration of in-home online shopping yields a higher probability for participation in out-of-home shopping activity. This variable shows significant heterogeneity with a large standard deviation, which reveals that sizable variation exists for this variable.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil0,845

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,185
Tête enseignante GPT0,456
Écart entre enseignants0,270 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research Board→Même sujetUrban Transport and Accessibility→Travaux en français237 207→