When e-activities meet spatial accessibility: A theoretical framework and empirical space-time thresholds for simulated spatial settings
Notice bibliographique
Résumé
The high penetration of e-activities (e-working, e-shopping, e-leisure) has empowered people to overcome space-time constraints in daily routines, and this trend is growing. Accordingly, new knowledge is sorely needed to incorporate e-activities into accessibility planning and to define new conceptualizations, methods, and quantifiers that recognize digital and in-person accessibility in real life. This paper introduces the framework of “augmented accessibility” and identifies space-time thresholds in which e-activities are more competitive than in-person activities. By being aware of these thresholds, specific policies could be adopted for encouraging people to save travel time and allocate it to reach other in-person destinations, thereby increasing their overall spatial accessibility. At methodological level, time geography concepts and elasticity analysis are combined, estimating space-time thresholds for six simulated spatial settings: from polycentric and compact cases to sprawled and monocentric cases. The results indicate that e-activities are more competitive in sprawled settings and emphasize the relevance of travel directionality (from opportunity hubs to low-density places) for retaining high spatial accessibility levels and increased travel distances. The social and policy implications of space-time thresholds are discussed for each simulated spatial setting by estimating and comparing critical travel distances for different transport modes. The paper closes by discussing aspects related to practical operationalization of the proposed framework, its communicability, interpretability, and usability.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».