8138250 Truck stop infrastructure do not meet the needs of truck drivers in Canada
Notice bibliographique
Résumé
Objectives The objectives of this study were to: 1) determine the average distance between truck stops in Canada; 2) describe the current state of truck stops; 3) compare the available amenities (e.g., number and type of restaurants) within walking distance of truck stops along major routes/highways; and 4) determine opportunities for truck stop improvement in Canada. Material and Methods For objectives 1 to 2, an environmental scan leveraged multiple data sources (e.g., books, websites) to collect data from over 700 truck stops in Canada. Data were collected on truck stop amenities (e.g., parking availability, nutrition options) and distance between truck stops. For objective 3, long-haul truck drivers (LHTD) were recruited from various provincial/federal trucking associations and trucking companies across Canada. A sample of 406 LHTD completed an online survey that consisted of questions on demographics, health conditions and behaviours, and preferences for truck stop amenities. Inferential data analysis was performed using SPSS; statistical significance was set at p ≤ 0.05. Results LHTD reported that parking, healthy and affordable foods, showers, washrooms, and exercise facilities with basic equipment are the most important amenities needed at truck stops. However, 33.3% of all truck stops are closed at night, only 13% have access to Wi-Fi, less than 50.0% have shower facilities, and more than half of truck stops do not provide healthy and affordable foods. The average distance between truck stops are 200-300 kilometers apart. Recommendations include investing in truck stop infrastructure to include additional parking, healthier food options, WiFi, and developing safety standards for truck stop services and amenities. Conclusions Improvements to truck stop environments are needed to support the health and wellness of LHTD. The findings show there are significant gaps between what truck drivers need versus what is often available.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 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) | 0,009 | 0,001 |
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 ».