Investigation and Analysis of the Acceptance of the License Plate–Based Restriction Policy: A Case Study in Hangzhou, China
Notice bibliographique
Résumé
In order to better understand the factors that affect Hangzhou residents’ acceptance of the license plate–based restriction (LPR) policy, new factors such as fairness, family life cycle factors, and preacceptance of alternative measures were added to explore new interactions between different factors. A questionnaire survey was completed among 958 residents of Hangzhou City, and a partial least squares structural equation model (PLS‐SEM) was established to analyze the factors that affect the acceptance of the LPR policy. An analysis of socioeconomic attributes is conducted to explore the impact of education, age, and family life cycle factors on the acceptance of the LPR policy. The results indicate that perceived cost‐effectiveness, social norms, policy cognition, fairness, important goals, and preacceptance of alternative measures have significant direct effects on the postacceptance of the LPR policy, while fairness and important goals have indirect effects through social norms. Regarding postacceptance, perceived effectiveness can only indirectly affect postacceptance of the LPR policy through policy cognition and perceived cost‐effectiveness. Responsibility attribution can only indirectly affect postacceptance through important goals. As the education level and age increase, residents’ acceptance of the LPR policy will decrease; young families without children and families with minor children have lower acceptance of the LPR policy than families with all adult members and elder families without children.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».