Exploring Commuter’s Preferences and Future Intentions to Use Ride‐Sharing: A Case Study From a Developing Country
Notice bibliographique
Résumé
This study investigates transportation choices with a specific focus on ride‐sharing practices. The main aim of the study was to understand the current modes of transport, the primary reasons for choosing them, ride‐sharing experiences, and future ride‐sharing intentions within the context of Islamabad, Pakistan. The final analyses were based on 294 respondents, including 88 respondents with prior ride‐sharing experience. The sample was skewed toward male participants (80.6%), reflecting national mobility patterns. Logistic regression was employed to investigate the relationship between different factors toward individuals’ intentions to use ride‐sharing as a future commuting option. The results indicate that gender, previous ride‐sharing experience, preferences for companionship during ride‐sharing, and the primary mode of transportation for shopping emerged as significant factors influencing future ride‐sharing intentions. Males are nearly three times more likely to adopt ride‐sharing (Exp ( β ) = 2.9) than females ( β = 1.07, p < 0.01). Similarly, individuals with previous ride‐sharing experience ( β = 0.94, p < 0.01) have a 2.6 times higher likelihood of choosing ride‐sharing in the future. Moreover, respondents preferring larger groups while ride‐sharing exhibit higher adoption intentions ( β = 0.26, p = 0.02, Exp ( β ) = 1.3). In contrast, individuals primarily using motorcycles ( β = −1.53, p = 0.02, Exp ( β ) = 0.2) or personal cars ( β = −1.72, p = 0.01, Exp ( β ) = 0.2) for shopping are less inclined to shift toward ride‐sharing. The model achieves a Nagelkerke pseudo R 2 of 0.23, explaining 23% of the variance in future ride‐sharing intentions. This research yields valuable insights that could guide initiatives aimed at fostering ride‐sharing adoption and encouraging individuals to utilize this mode of transportation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».