Groundside Interview Survey Concepts and Design: Toronto Pearson International Airport, June 2005
Notice bibliographique
Résumé
This paper covers the requirements and design phases of the 2005 Groundside Survey at Toronto Pearson International Airport conducted in June 2005. The design process will be covered under the following general topics: data requirements, data use, value of the date and survey concepts. This last topic will be further developed in terms of the core interview surveys, the supporting data, aspects of the data coding and entry phase and the final file linking process. It is these interview surveys and the handling of the data that will create the statistical database that will be used for the generation of air passenger characteristics and distribute these passengers, in time and space, across the groundside facilities with respect to their corresponding flight and its characteristics. The ability to statistically distribute individual flight passenger loads to groundside facilities, over time, is paramount to the development of groundside operational and planning models. Furthermore the survey method allowed for the defining of the catchment area of the airport, both the orientation of trips to the Toronto area and the wider dispersion of trips within Southern Ontario and beyond. This survey methodology allows for the both the routine analysis for modal split with respect to air trip purpose as well as the development of air passenger lead-lag curves for future planning of groundside facilities for a given airside schedule. Conclusions in the paper will focus on the lessons learned in the design, as well as examples of key statistical findings.
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 | 0,015 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».