What shapes perceived accessibility? Unpacking the interplay of sociodemographics, latent perceptions, and traditional accessibility metrics
Notice bibliographique
Résumé
Accessibility, understood as how easily individuals can reach a desired destination, can be measured in multiple ways. Perceived accessible opportunities, which include those seen as viable alternatives and as feasible given personal and scheduling constraints, may vary from an analyst’s assessment when calculated accessibility measures are used. Our study explores how perceived accessibility is shaped by the interaction between sociodemographic attributes, latent perceptions of the built environment, and traditional accessibility indicators. Moreover, we investigate how accessibility indicators influence perceived accessibility for various services and examine the effects of distance thresholds to determine how strongly the concept of the neighbourhood influences residents’ perceptions of accessibility. To do so, we use a representative sample of 354 individuals living in a residential neighbourhood in Santiago de Chile in 2019. In addition to mobility diaries and sociodemographic characterisation, the respondents indicated whether eight different services were accessible in the neighbourhood and, if so, whether they made use of them. A hybrid discrete choice model was estimated to understand the interplay between different factors and their role in the perception of accessibility for each service. Our results indicate that even though each is important on its own, there is no evidence suggesting that one accessibility indicator is superior to another when studying accessibility perception. In addition, we find both direct and indirect effects of gender and age, which occur via latent perceptions of the use of public space and infrastructure quality. Finally, we found evidence supporting the idea that the neighbourhood corresponds to the immediate surroundings of the residential household and that perceived accessibility is significantly different depending on the type of service studied. This study contributes to a deeper understanding of the underlying dimensions affecting perceived accessibility in the Global South, providing important evidence for decision makers on the complexities that must be considered when designing effective and inclusive proximity-based policies.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».