The landscape of contemporary paratransit research: A critical systematic review of the literature in the US and Canada
Notice bibliographique
Résumé
• Using a systematic review, three approaches to paratransit research are identified. • The first approach includes studies that model paratransit systems using large datasets. • The second focuses on how paratransit could be delivered differently. • The third explores existing systems. • The perspectives of paratransit users are over-shadowed by a focus on cost-cutting. In the United States (US) and Canada, paratransit refers to transportation services that supplement scheduled, fixed route, mass transit to eligible passengers, namely people with disabilities and a growing number of older adults. This paper presents a critical systematic review of the literature on paratransit in the US and Canada since 2010 (n = 57), investigating what is known about paratransit, as well as the methodological and conceptual approaches privileged in this literature. Three separate approaches to the study of paratransit were identified. The first approach is paratransit modeling (n = 22). Under this approach, papers focus on demand modeling and route optimization (n = 12), cost optimization (n = 6), or quality of service and system information management (n = 4). Papers under the second approach, alternatives (n = 15), all propose different ways to provide paratransit services, including public–private partnerships (n = 6), autonomous vehicle technologies (n = 5), and the diversion of current paratransit user toward other modes (n = 4). Thirdly, many papers examine current services (n = 20), relating to system performance (n = 9), operational considerations (n = 7), or user perspectives (n = 4). When combined with a strong bias toward quantitative studies (77%) the perspectives of paratransit users are under-represented in the literature, over-shadowed by a focus on cost-cutting and improving operational efficiency. These trends are discussed in relation to neoliberalism and Critical Ableist Studies. Future research should directly involve paratransit users, engage in theory, and embrace qualitative methods.
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 | 0,064 | 0,242 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,047 | 0,051 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».