Who’s Online…and Who Isn’t?Equity Considerations for Web-Based Feedback and Transit
Notice bibliographique
Résumé
The emergence of Web 2.0 technologies created new opportunities for transit agencies to interact with their riders and stakeholders. Web-based and mobile tools have offered new and powerful ways for transit properties to collect customer feedback while also empowering riders to use these tools to report issues from the field. TCRP Project B-43, Use of Web-based Customer Feedback to Improve Public Transit Services, is exploring the use of these new tools and developing a toolkit for transit operators. The study gathered information on current and planned use of web-based tools through an online survey administered to 130 transit agencies in the United States and Canada. Survey findings revealed that many transit operators did not have recent estimates of the proportion of riders with access to technology and some of the available estimates were lower than the national average. This raises a concern that many transit riders do not have access to web-based tools, creating a digital divide that could get wider as transit agencies increase their focus on web-based activities. At the same time, national trends in adoption of technology also suggest that some demographic groups have embraced technology and prefer to connect with transit agencies through web-based and mobile tools. To better understand these changes and to best meet the needs of their customers, transit agencies are encouraged to incorporate questions about access to technology into future rider surveys. This paper uses survey findings from Project B-43 but goes beyond the project scope to explore these issues.
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 | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».