A policy and institutional analysis of urban transport system: the case of Pakistan’s Lahore in the context of COVID-19
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
The bicycle is recognized as a sustainable mode of transport, yet in the developing world, its use is hindered by several factors. The COVID-19 pandemic, with its emphasis on isolation, created a changed travel pattern and thus an experimental environment for bicycling. This study examines Lahore, Pakistan, to evaluate bicycle promotion during and beyond the pandemic. It assesses policy frameworks, institutional implementation capacity, and the perception of cycling infrastructure and regulations based on the user feedback. Lahore, a major Pakistani city with significant development and capacity, has faced severe smog and poor air quality, highlighting the need for environmentally friendly transport. The study reveals an increase in bicycle use during COVID-19 restrictions, with over 96% of the respondents noting this rise. Many tried bicycling for the first time due to reduced traffic. However, post-restrictions opinions varied on whether the trend persisted. Better road infrastructure was found to corelate positively with the bicycling trend. Studies identified traffic lawlessness, high motorization, lack of infrastructure, smog, and harsh weather as major barriers. Despite the existence of civil society groups promoting bicycling, their efforts are hindered by lack of participation in policy and decision making. The study calls for addressing policy and institutional bottlenecks to promote bicycling in Lahore, with broader implications for Pakistan and other developing countries. Improved coordination among institutions and inclusion of user perspectives are crucial for creating a more bicycle friendly system.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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