Challenges and Strategies in Benchmarking Intercity Passenger Rail Performance
Notice bibliographique
Résumé
Assessing performance of intercity passenger rail services is relevant for government policy makers, rail infrastructure owners and managers of train operating services. However, assessing performance is no easy task, given that performance is largely a relative concept which requires comparison between different operators. The dynamics and contextual environments of the intercity passenger rail industry further pose a number of challenges to the comparative evaluation of intercity passenger rail operator performance. The authors were part of a team undertaking a study for Transport Canada whose objective was to compare the performance of VIA Rail – Canada’s only intercity passenger rail service – to international intercity passenger rail operators. The study took into account the influence of different governance models and operating environments, and drew out related public policy lessons for VIA Rail. Though the results of the study are confidential, the key challenges in benchmarking intercity passenger rail performance and the strategies used to interpret related performance are presented with the aim of informing similar research in future. The discussion in this paper is specific to intercity passenger railway performance but many related lessons and tools are also applicable to benchmarking performance in other transportation sectors.
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 | 0,188 | 0,212 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,011 | 0,018 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,028 | 0,019 |
| Science ouverte | 0,008 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».