What physical exposures to risks can post-secondary students encounter when taking public transit trips in Toronto?
Notice bibliographique
Résumé
Post-secondary students are more likely to use public transit than other demographic groups. As a result of dangerous occurrences, they are seen as a specific demographic group that may become victims of crime because of public transit trips. This paper depicts the research that will allow us to take a deeper look at how students integrate public transit trips into their lives and better understand the possible dangers they face in Toronto. The StudentMoveTO 2019 survey contains 18,513 post-secondary student responses, including trips taken where students used public transit to travel to a destination in Toronto. It also uses 2019 crime and injury variables including Assaults, Robberies, Shootings, and Traffic Accidents and socio-economic and demographic variables. Spatial autocorrelation techniques were used to examine spatial autocorrelation and hotspots for public transit trip and risk locations. An Ordinary Least Square (OLS) regression and a Geographically Weighted Regression (GWR) were performed to assess risk and public transit trip hotspots and were used to determine how socio-economic and demographic variables, in combination with the assumed spatial risk of crime and injury, are connected to public transit trips. The GWR indicated that students are more likely to be robbed since it had the greatest R2 value of 0.844 whereas the OLS regression had a lower R2 value of 0.616. According to the findings, students who took public transit trips are more vulnerable when they travel in the evening, particularly in the northern section of North York and Downtown, Toronto. Using the discovered results, it is possible to raise awareness among post-secondary students who take public transit trips by informing them about less secure census tracts.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».