Are Telecommuters’ and Non-Telecommuters’ Daily Time-Use Behaviors Different? An Episode-Level Model for Non-Mandatory Activities
Notice bibliographique
Résumé
Telecommuters (individuals working from home), and non-telecommuters (individuals working at the workplace) might have significantly different daily time-use patterns. For example, telecommuters might be able to engage in more episodes of non-mandatory activities such as recreation and pick-up/drop-off of children, as many telecommuters have a relatively flexible work arrangement in relation to their work location and schedule. This study aims to explore the non-mandatory activity engagement and duration decisions of these two worker profiles at a disaggregated-episode level. To do so, a multiple discrete continuous extreme value with ordered preferences (MDCEV-OP) model is adopted, using the 2018 travel survey data from the Central Okanagan region of British Columbia, Canada. This model accounts for multiple occurrences of each activity type (i.e., episodes) along with their corresponding durations. In doing so, the model adopts a logical ordering ensuring that the jth episode is not predicted without the occurrence of the ( j–1)th episode of an activity type. The model results reveal that telecommuters are more likely to engage in higher episodes of non-mandatory activities, compared with non-telecommuters. For instance, female teleworkers are found to be more likely to participate in higher episodes of activities associated with household-related responsibilities such as shopping. In contrast, female non-telecommuters are associated with participating in more episodes of personal business-related activities. The findings of this study provide important behavioral insights into the activity-time-use patterns of telecommuters and non-telecommuters, which can be utilized to develop more effective and equitable travel demand management plans, policies, and models.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 source (Gemma direct ou Codex distillé), 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 ».