Identifying Influences of Physical Environments and Socio-Demographic Characteristics on a Child's Mode of Travel to and from School.” American Journal of Public Health
Notice bibliographique
Résumé
Fewer than half of all children in Canada and the United States are active enough to experience the well-known health benefits of physical activity.1 The most common form of physical activity for people of all ages is walking,2 and for children and youths, the journey to school represents a signif-icant opportunity to increase daily levels of phys-ical activity by using nonmotorized travel modes, such as walking and biking.2–6 Modes of travel to school have changed dramatically over the last 40 years, however, with ever-decreasing use of ‘‘active’ ’ (nonmotorized) travel.7,8 Studies of children’s travel are limited and, in the United States, have found widely varying rates of active travel to school. A study in South Carolina reported that as few as 5 % of ele-mentary school students walked or biked to school,9 and a study of North Carolina children found that 9%walked and 4 % biked.10 Research by Kerr et al.6 based in the Seattle area found that 18 % of students walked or biked to school 5 days a week and 25%used active travel at least 1 day a week. Meanwhile, a comprehensive nationwide study by Martin et al. found that 48 % of students who lived within 1mile of school were active travelers,11 suggesting that geographical factors are at play. We examine sociodemographic and envi-ronmental influences on a child’s mode of travel between home and school in a midsized Canadian city (London, Ontario) and explore differences in travel mode be-tween the journey to school and the trip home from school.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».