MétaCan
Menu
Retour à la cohorte
Enregistrement W4386697870 · doi:10.35674/kent.1287655

Ankara’da Kent İçi Toplu Ulaşımda Kullanılan Finansman Kaynaklarının Dünya Örnekleri İle Karşılaştırılması; Ankara İçin Model Önerisi

2023· article· tr· W4386697870 sur OpenAlexaboutno aff
Sevilay BOSTANCI, Yeşim Aliefendioğlu

Notice bibliographique

RevueKent Akademisi · 2023
Typearticle
Languetr
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Toplu ulaşımda kullanılan finansman kaynaklarının incelenmesi toplu ulaşımla yolcuların ve hassas yolcu gruplarının okullara, kamu sağlık kuruluşlarına ve işyerlerine ulaşımını sağladığı düşünüldüğünde önemli görülmektedir. Öte yandan, toplu ulaşım kamu kurumlarının bütçeleri üzerinde mali bir yük oluşturmaktadır. Ek finansman kaynakları veya yeni finansman kaynaklarının araştırılması bu noktada önemlidir. Çalışmada, toplu ulaşım sistemlerinin finansmanı ele alınarak, Ankara İli ile yurtdışında örnek olarak alınan ülke ve şehirler karşılaştırılmıştır. Yurt dışında hem geleneksel hem de geleneksel olmayan finansman yöntemleri incelenmiştir. Çalışmanın amacı, yurt dışındaki örnek olarak incelenen ülke ve şehirlerdeki toplu ulaşımın finansman kaynaklarından hangilerinin Ankara için uygulanabileceğini değerlendirerek bir model önerisinde bulunmaktır. Metodolojinin ana fikri, kamu hizmetlerinin sağlanmasından elde edilen kaynakların toplu ulaşımda kullanılmasıdır. Çalışmada Londra, New York, Vancouver, Hong Kong, Singapur, Almanya, Amerika Birleşik Devletleri (ABD), Avrupa Birliğine (AB) üye ülkelerden bazıları incelenerek, Ankara İli ile karşılaştırılmıştır. Çalışmada öncelikle literatür taraması yapılmış olup Ankara İli toplu ulaşımı ile ilgili veriler EGO Genel Müdürlüğü’nden (EGO) alınmıştır. Çalışmada yöntem olarak niteliksel araştırma kullanılarak, görüşme ve doküman analizi kullanılmış, nitel veri toplama yöntemleri kullanılmıştır. Toplu ulaşımın finansmanında yurt dışında kullanılan kaynaklar; belediyelerde iç ve dış borçlanma, belediye gelirleri, federal bütçe veya eyalet bütçe gelirleri, özel sektör yatırımları, KÖİ modelleri, belediyelerin veya merkezi yönetimin sübvansiyonları, bilet gelirleri, reklam gelirleri, değer alım vergileri, çalışan sayısı 9’u aşan işverenlerden alınan vergiler, trafik cezaları, ulusal kalkınma ajanslarının bütçesi, özel araçlardan alınan tıkanıklık ücreti, emlak vergileri, toplu ulaşım sisteminin yapımı ile oluşan arsa değerlerindeki artıştan sağlanan finansman ve tahviller şeklindedir. Türkiye’de ise, toplu ulaşımın finansmanında belediyelerce toplanan vergilerin bir kısmı, dış ve iç krediler, bilet gelirleri, KÖİ modelleri, özel sektör yatırımları, belediye ve bağlı idarelerin gelirleri gibi kaynaklar kullanılmaktadır. Yurt dışında kullanılan söz konusu bazı modelleri Türkiye’de uygulamak için yasal şartların oluşturulması gerekmektedir.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,128
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,044
Tête enseignante GPT0,302
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKent AkademisiMême sujetTransportation Planning and OptimizationTravaux en français237 207