What do we know about pedal assist E-bikes? A scoping review to inform future directions
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
Bicycles with integrated electric motors that require user effort, that is, pedal-assist e-bikes (PAEB), are increasing in popularity. There are several significant health benefits and benefits to our environment that can be attained by increasing use of PAEB. The purpose of this review was to synthesize the literature available on PAEB and to identify future directions for research, and policy and infrastructure development, that ensures an inclusive approach. We conducted a scoping review of the literature that led to the identification of 107 articles that included PAEB. Studies were grouped according to themes: Energy and Emissions, Bike Sharing, Violations and Accidents, Physical Activity, Active Commuting, and Perceptions. Overall, it appears that the uptake of PAEB leads to a modal shift such that overall car use is decreased. PAEB use is associated with lower emissions compared to cars, but requires physical effort that classifies use of a PAEB as moderate intensity physical activity. Cost appears to be prohibitive, thus sharing or rental programs, and subsidies may be beneficial. Several additional barriers related to lack of infrastructure were also noted. Importantly, violations, injuries, and crashes appear to be similar between PAEB users and traditional bicycle users. PAEB offer an opportunity to improve health and mobility in an eco-friendly manner compared to cars. Infrastructure and policies are needed to support this modal shift. There is an immediate need to clearly define PAEBs, and to ensure regulations are similar between PAEB and traditional bicycles. Future research is needed to better understand long-term behaviour change with regards to commuting, and to identify the effect of implementing better infrastructure and policies on PAEB uptake.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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