Influência da uber no uso do sistema de transporte por ônibus pela comunidade universitária de São Carlos-SP durante a pandemia de covid-19
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Atualmente, o modo de se viver vem tendo grandes transformações com o advento da tecnologia, e no modo de se deslocar não é diferente. Com a criação de empresas de carros por aplicativos, surgiu uma nova maneira para locomoção nas cidades. Tais negócios ganham espaço a cada dia por oferecer ao usuário um serviço de qualidade em que une, principalmente, preços atrativos e maior segurança, além de cobrir rotas não atendidas pelo transporte público. O presente artigo, a partir de questionário online, busca entender e mapear o público-alvo dos passageiros da Uber em São Carlos-SP, para, assim, compreender se tal modo de transporte é um substituto ou um complemento ao transporte público urbano. Foi notado que 70% dos participantes da pesquisa passaram a utilizar a Uber em vez de ônibus na pandemia do COVID-19, sendo o principal motivo a saúde, substituindo as viagens em transportes públicos. O questionário foi respondido por um grupo que representa um pequeno espaço amostral se comparado a toda população da cidade, por isso sugere-se a trabalhos futuros que sejam melhor averiguadas tais conclusões aqui presentes. Ademais, é importante ressaltar a interferência da época vivida durante a pandemia nos resultados obtidos, uma vez que na busca de maior segurança relacionada à saúde, há certa migração das viagens para a Uber.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it