MétaCan
Menu
Retour à la cohorte
Enregistrement W646291490

Some Aspects of Travel by Older People

2001· article· en· W646291490 sur OpenAlexaboutno aff
Barbara Noble

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTRIPS architectureDemographyQuarter (Canadian coin)Foot (prosody)Older peopleGeographyGerontologyMedicineSociologyTransport engineeringEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Travel declines with age. People aged 80 and over make less than half the number of journeys, and travel less than a quarter of the distance of those aged 50-54. For people aged 50-54, car travel accounts for three-quarters of journeys by men, and two-thirds by women. For those aged 80 and over, less than half of the journeys are by car. About two-thirds of women aged 50-54 are drivers in households with a car. In contrast, three-quarters of women aged 80 and over live in households without a car. The number of shopping and personal business trips made by men from their mid-50s is much higher than for younger men, peaking at nearly ten trips a week for men in their early 70s. Less than one trip in five is on foot for men aged 50-54, increasing to more than one in three for men aged 80 and over, when men make almost the same proportion of trips on foot as women. Older people are traveling more than a decade ago. For example, men aged 75-79 traveled about 3,500 miles on average in 1996/98, nearly half as far again as men in this age group in 1985/86.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTransportation and Mobility InnovationsTravaux en français237 207