MétaCan
Menu
Retour à la cohorte
Enregistrement W4407636879 · doi:10.1016/j.trd.2025.104633

Differences in Canadian consumers’ awareness and preferences for zero-emissions vehicles from 2013 to 2023

2025· article· en· W4407636879 sur OpenAlexafffundabout
Zoe Long, Jonn Axsen, Viviane H. Gauer, Taco Niet

Notice bibliographique

RevueTransportation Research Part D Transport and Environment · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research CouncilNatural Resources CanadaSocial Sciences and Humanities Research Council of CanadaMitacsSFU Community Trust Endowment FundSimon Fraser UniversityPacific Institute for Climate Solutions
Mots-clésZero emissionGreenhouse gasBusinessNatural resource economicsEnvironmental scienceEnvironmental economicsEngineeringEconomicsWaste managementEcology

Résumé

récupéré en direct d'OpenAlex

Goals to sell only zero-emissions vehicles (ZEVs) by the 2030s require substantial changes in consumers’ vehicle purchases over the next decade. Anticipating this transition, we investigate differences in consumer ZEV awareness and preferences over the last decade using cross-sectional samples of Canadian new-vehicle buyers from 2013 (n = 1,754), 2017 (n = 2,123), and 2023 (n = 2,555). Some measures of awareness significantly increased from 2013 to 2023, including familiarity and experience with ZEV technology, understanding of how to “fuel” battery electric vehicles, and awareness of public chargers. However, higher rates of confusion about hybrids and plug-in hybrids persist. Consumer preferences for ZEV drivetrains appear mostly unchanged over the study period, while valuations of home and fast charging have significantly increased in 2023. In short, consumers’ ZEV valuations are slow to change even with increased awareness and experience; preference change does not explain past ZEV sales increases, nor should it be relied upon to drive future sales increases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil0,912

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,270
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Part D Transport and EnvironmentMême sujetElectric Vehicles and InfrastructureTravaux en français237 207