Travel behavior of low income older adults and development of an Accessibility calculator
Notice bibliographique
Résumé
Given the aging demographic landscape, the concept of walkable neighborhoods has emerged as a topic of some interest, especially during the last decade. However, very little is known about whether neighbourhood design promotes lower income older adult's travel behaviour. Therefore, the authors i) examined the relation between trip distance and socio-demographic, and mobility related accessibility features of lower income older adults who reside in Metro Vancouver; ii) analyzed mode use behavior of lower income older adults who live in the same geographic area; and, iii) developed a web-based application to calculate the accessibility score (A-score) of lower income older adults in Metro Vancouver based on their travel behavior. The authors used multilevel linear regression to estimate the determinants of trip lengths and a multilevel multinomial model to estimate the propensity of using different travel modes. The authors found that in this lower income older population distance travelled using active modes was associated with gender (men travelled further than women, on average), living arrangement (those residing with a family member other than their spouse travelled further) and whether or not they owned a dog (interaction between dog ownership and walking for transport was positively associated with trip length). As per other reports, increased age was associated with a decreased likelihood of walking as compared to driving. Finally, among the participants all of whom were of low socioeconomic status, older adults who self-identified as a visible minority were more likely to walk than use their car. Taken together these findings lend credence to the role of neighbourhood design and the opportunity landscape (neighbourhood accessibility) to promote active modes of transport in lower income older adults. Therefore, the authors created a web-based calculator that generates an Accessibility (A)- score using Google Maps API v3 that can be used to evaluate neighbourhoods as to their livability for older adults.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».