Service Attribute Preferences of Air–HSR Transfer Process From a Combined Perspective of Resource‐Matching, Perceived Risk, and Value Theories
Notice bibliographique
Résumé
As an indispensable component of the modern high‐quality national comprehensive three‐dimensional transport network, air and high‐speed rail intermodal transportation (Air–HSR) plays a pivotal role in advancing “transportation integration.” The transfer process in Air–HSR represents a critical touchpoint of service experience, and the investigation into passengers’ preferences for transfer service attributes is instrumental in providing civil aviation enterprises with a more personalized foundation for product development. First, six resource‐matching attributes of Air–HSR are extracted by introducing the resource‐matching theory (RMT) and drawing on the consumer behavior analytical methods. Subsequently, incorporating the perceived risk theory (PRT) and perceived value theory (PVT), a quantitative framework for passengers’ preferences for service attributes of Air–HSR transfer (RPP‐F) is proposed from the dual perspectives of perceived risk (PR) and perceived value (PV). Then, an analysis model (PR–PV–SEM) is constructed with PR and PV as mediating latent variables to examine passengers’ preferences for service attributes of Air–HSR transfer, and the preferences are analyzed through the lens of latent variables. Finally, based on measurement data of passengers’ diverse preferences, passengers’ heterogeneous preferences are analyzed and interpreted through the lenses of latent variables and socioeconomic attributes via multisampling approaches, and the internal preference structures of different attribute groups are deeply explored. The model results demonstrate that the PR–PV–SEM with PR and PV as mediating latent variables exhibits excellent model fit with its explanatory power for passengers’ adoption intention reaching 73%. This finding reveals the mediating mechanism between objective services and subjective willingness via PR and PV and provides a novel perspective for subsequent analysis of travel service preferences.
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 | 0,005 |
| 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 ».