A pilot study for measuring roadway exposure through GPS watches worn by bicycle messengers and food delivery workers during work shifts
Notice bibliographique
Résumé
We conduct a pilot study on the delivery trips of bike messengers and food delivery workers using GPS-derived data to understand these gig economy jobs. Between July and September 2018, 19 workers were equipped with GPS watches for two consecutive days (n=38 participant-days). One-second signal data was classified using an algorithm to identify idle time periods between trips. This enabled us to extract times, speeds and distances on the road, as well as idle time blocks and as a share of total work shift. Extrapolated data on number of deliveries is compared with exit interview recalls as benchmark. Workers travel on average 31km (SD=13.3km) in shifts of over 5 hours (316 min., SD=84.4 min.) and conduct on average 20 deliveries (SD=5.8). They spend on average 10 min. bouts waiting for food or packages (SD=2.8) and spend on average 36% (SD=11%) of their work shifts on the road. The pilot provides important information on shift characteristics and deliveries and indicates the importance of time idling waiting for packages. This suggests greater per time and per kilometer injury risks than could be estimated when assuming workers are always on the streets. In a context of commission-based work, idling also reduces potential wage.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».