Promoting social sustainability: Psychological and contextual factors influencing mobility scooter adoption among older adults in a developing country
Notice bibliographique
Résumé
Equitable transportation for minority groups, such as older generations, is fundamental to social sustainability, as active participation in society improves their quality of life. Mobility scooters have the potential to promote independence among older adults so that they can participate in society alongside reducing dependency on motor vehicles, contributing to more sustainable urban mobility solutions. However, in developing countries, existing literature reveals a gap in quantitively assessing and comparing different factors influencing their adoption, especially psychological factors, such as external shame. This study examines mobility scooter acceptance among the elderly (aged 60+), in Tehran, a large metropolitan area, and Gorgan, a small city in Iran. An extended Technology Acceptance Model (TAM) with seven constructs, including the novel introduction of "Shame," was assessed using data from 805 respondents through face-to-face interviews. The second part of the study measured observed heterogeneity using multi-group analysis (MGA) to examine the effects of two moderators: city size and daily physical challenges. The results highlight “Shame” as a predictor of mobility scooter acceptance, with different impacts between the two cities. In the small city, “Shame” negatively moderates other constructs, while in the large city, perceived usefulness is a more decisive predictor; suggesting that practicality holds greater sway in such contexts. These results highlight the importance of psychological factors, especially "Shame," in predicting mobility scooter acceptance based on city size. In light of these findings, tailored policies and strategies are proposed to address the unique psychological and contextual barriers faced by older adults in small and large cities, advancing social equity in sustainable transportation for the elderly.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».