MétaCan
Menu
Retour à la cohorte
Enregistrement W820582257

Can Road User Charging Be Made Publicly Acceptable? Lessons Learnt – Why Did the Manchester Congestion Charging TIF Submission Fail to Win Public Support

2009· article· en· W820582257 sur OpenAlexaboutno aff
Jack Opiola

Notice bibliographique

Revue16th ITS World Congress and Exhibition on Intelligent Transport Systems and ServicesITS AmericaERTICOITS Japan · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmotiveRoad pricingPoint (geometry)Government (linguistics)BusinessChampionPoliticsState (computer science)FinanceBallotQuarter (Canadian coin)Public transportVotingEconomicsTraffic congestionMarketingPublic economicsComputer scienceTransport engineeringPolitical scienceLawEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For those of us who watch the world of road pricing and tolls, the overwhelming “no” vote against the Transport Innovation Fund (TIF) package in Manchester, UK is a significant set back for road pricing in the UK and perhaps the world. Opponents of the concept that pricing can manage demand, despite proven success in other markets and for utilities, will point to the Manchester results and say that people may accept it in other markets but transport is different, drivers are different or already pay enough. Road Pricing is just another tax on top of several other taxes and fees. “Enough is enough” is the emotive cry from this quarter. Others content that the benefits were not clear. Still others state that there was no “trust” in government to deliver the “package” of benefits. Many put the fault on political differences or the lack of a clear leader or “champion”. Some are more philosophical and point to post-ballot sentiments that road user charging is inevitable, but in a recessionary economic period people will not vote for any new charges or taxes.

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)0,030
score de la tête « metaresearch » (Gemma)0,161
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,161
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,008
Communication savante0,0240,024
Science ouverte0,0030,006
Intégrité de la recherche0,0160,018
Charge utile insuffisante (le modèle a refusé de juger)0,0330,007

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 Opus0,042
Tête enseignante GPT0,287
Écart entre enseignants0,245 · 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'étudeQualitatif
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue16th ITS World Congress and Exhibition on Intelligent Transport Systems and ServicesITS AmericaERTICOITS JapanMême sujetTransportation Planning and OptimizationTravaux en français237 207