MétaCan
Menu
Retour à la cohorte
Enregistrement W7132935680

What about Telecommuting in Activity-Based Models? Towards Post-Covid Travel Demand Analysis

2024· dissertation· W7132935680 sur OpenAlexaff
Alireza Dianat

Notice bibliographique

RevueTSpace · 2024
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensHudbay Minerals (Canada)
Organismes subventionnairesnon disponible
Mots-clésPopularityTelecommutingMultitudePandemicInformation and Communications TechnologyEmpirical evidenceEmpirical researchSustainability
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The global prevalence of the COVID-19 pandemic has necessitated a reevaluation of the popularity of tele-activities. This pandemic and the resulting implementation of lockdown measures have led to many new everyday activity patterns based on information and communication technology (ICT). This thesis examines the impact of pandemic lockdown measures on the development and sustainability of individuals' ICT-influenced behaviour, specifically telecommuting.The dissertation commences with an introductory section comprising two preparatory chapters. These chapters elucidate the underlying motives that have propelled the research endeavor and provide a comprehensive assessment of the existing literature in the field. Upon examining the empirical scheduling models in the activity-based modelling literature, a common simplifying assumption, known as the "fixed work-hour during the day" or "skeleton assumption," was discovered. This assumption, which many models often accept, detrimentally affects these models' prediction power and reliability. Based on discussions and reviews in the two preparatory chapters, the dissertation proceeds with four empirical studies examining various facets of in-person and remote activity participation from distinct perspectives. The analyses provide evidence that a skeleton framework's underlying assumption is unlikely to align with the actual condition in the foreseeable future. The initial analysis chapter examines individuals' immediate response to the pandemic lockdown. The objective is to identify a range of activities that might be incorporated into daily schedules while staying at home. This chapter demonstrates the widespread use of ICT for a multitude of tasks. In the subsequent analysis chapter, attention is directed toward examining the impact of observable and latent attitudinal variables on selecting ICT for work-related activities. This chapter demonstrates the significance of using attitudinal characteristics as useful parameters for predicting persons' behaviour. The third analysis chapter employes datasets to elucidate emerging patterns in allocating time across diverse activities, focusing on work-related endeavors. This chapter illustrates the trajectory of changes in the employment of ICT, beginning with the onset of the COVID-19 pandemic and extending into the post-pandemic period. The fourth analysis chapter examines the permanence of newly formed habits by projecting the sequence of stated choices using panel data. The recent chapters suggest that telecommuting will continue and should be considered a crucial component of future scheduling models. The last chapter of the thesis reviews the research findings and highlights the significant contributions made by the study. Additionally, the chapter offers recommendations for future research directions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,384
Écart entre enseignants0,347 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetWork-Family Balance ChallengesTravaux en français237 207