Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Carsharing systems are the focus of an increasing number of researches. In addition to gaining new members every week, new carsharing systems are being launched around the Globe. In Montreal, carsharing in now part of the transportation strategies to alleviate congestion and contribute to the overall aim of reducing the dependency towards the individual car. Thanks to a continuous partnership with Communauto, the Quebec carsharing operator, it has been possible, in the recent years, to provide quantitative assessment of various aspects of the system, both regarding supply and demand. This paper builds on these previous researches and concentrates on the systematic analysis of the behaviors of members, in terms of transactions and kilometers travelled. Data mining techniques are used to classify members according to various temporal units expressing their behaviors in order to propose a typology. Results show that, with respect to frequency of use, there are two main types of carsharing members in Montreal, high frequency users (≈ 2.2 transactions per week) and low frequency users (≈ 0.4 transactions per week), the later gathering 86% of the members. Results also show, still based on frequency, that there are five types of weekly patterns and that members have a dominant weekly pattern that is, in average, representative of 62% of their weeks. This study shows that weekly patterns change namely during the holiday periods (summer months, December-January). With respect to weekly distance travelled by members, two clusters are also identified, one gathering 87% of the members with an average of 14.3 km travelled per week and the other ones related to higher averages (76.8 km per week). Other classifications are discussed.
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.
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 | 0,000 |
| 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 découle