Opinions matter: Contrasting perceptions of major public transit projects in Montréal, Canada
Notice bibliographique
Résumé
Public opinion has been identified as one of the main drivers of political action in support of sustainable-transport transitions, making it essential to understand when aiming for effective transport policy. Drawing from both quantitative and qualitative data from the 2021 Montréal Mobility Survey, this paper analyzes public perceptions towards two transport projects—a light-rail transit (LRT) and a bus-rapid transit (BRT). Quantitative statements pertaining to five project impacts were compared between the two projects. Both projects had high levels of agreement (between 67% and 80%) regarding expected regional and environmental impacts, but agreement levels were lower for expected neighborhood, cultural, and residential displacement impacts (between 49% and 30%). To contextualize the quantitative findings, qualitative data were pulled from open-ended questions for both projects and analyzed using an applied-thematic-analysis approach. The qualitative responses focused primarily on negative perceptions, providing insight into potential factors contributing to the erosion of social acceptability. Our analysis of open-ended questions underscored contrasting perceptions between the two projects in terms of improvements in accessibility to destinations (minimal for the BRT vs noticeable for the LRT), governance (transparent for the BRT vs opaque for the LRT), consultation processes (adequate for the BRT vs insufficient for the LRT), and construction impacts (lengthy and disruptive for the BRT vs rapid for the LRT). These contrasting quantitative and qualitative results highlight the need for mixed methods when assessing public perceptions. Findings from this paper can be of benefit to practitioners and policy makers as they aim to ramp up efforts to expand public-transit systems.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».