MétaCan
Menu
Back to cohort
Record W4319927304 · doi:10.54932/kzyi1849

Analyse des motivations d’achat de camions légers au Québec

2023· report· fr· W4319927304 on OpenAlexaboutno aff
Verena Gruber, Ingrid Peignier, Elinora Pentcheva

Bibliographic record

Venuenot available
Typereport
Languagefr
FieldEngineering
TopicVehicle emissions and performance
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Le présent rapport s’inscrit dans la continuité d’une vaste étude débutée en 2020 afin de mieux comprendre la préférence croissante de la population canadienne pour les véhicules énergivores ainsi que les facteurs (politiques, économiques, sociaux, etc.) qui contribuent à l’augmentation des ventes de ce type de véhicules. Le CIRANO a déjà participé à cette étude en publiant deux rapports de projet en 2021 et ce nouveau rapport traite plus en détail de la situation au Québec, avec une attention particulière portée sur les habitudes d’utilisation des véhicules. Pour ce faire, une étude empirique a été menée auprès d’un échantillon représentatif de 1 020 Québécois(es) propriétaires d’un véhicule à l’aide d’un questionnaire en ligne administré en juillet 2022. L’enquête par questionnaire a fait ressortir quatre aspects majeurs qui influencent l’intention d’acheter un véhicule de type VUS : les caractéristiques du véhicule (comme l’importance accordée à une position de conduite élevée et à une transmission à quatre roues motrices), les aspects démographiques (comme le fait de vivre dans une région rurale et d’avoir un revenu familial plus élevé) et les facteurs psychologiques (comme l’importance des valeurs hédoniques et égoïstes). Mais c’est surtout la nature du véhicule principal qui est la variable qui se distingue avec le plus grand effet (β = 0,451) sur l’intention d’achat de VUS. Ainsi, conformément aux résultats de 2020, le facteur le plus important pour expliquer l’intention d’achat futur d’un VUS est la possession préalable d’un VUS. 67 % des propriétaires de VUS ont affirmé qu’il était extrêmement probable ou très probable qu’ils achètent un VUS comme prochain véhicule contre seulement 24 % des propriétaires de berline. Ces résultats renforcent la conclusion que le fait de posséder un VUS est le meilleur prédicteur d’une haute intention d’achat de VUS pour le prochain véhicule et souligne l’importance des interventions visant les premiers acheteurs et les premières acheteuses. Les résultats de l’enquête suggèrent également que la réduction de la possession de voiture parmi les propriétaires sera fortement difficile, puisque ceux-ci considèrent leur véhicule comme indispensable, et ce quel que soit le type de véhicule possédé, quoique les propriétaires de berlines soient néanmoins significativement les moins nombreux à considérer leur véhicule comme indispensable. Bien que les répondant(e)s considèrent généralement leur véhicule comme indispensable, ils ou elles ne l’utilisent guère au maximum de sa capacité, ni en ce qui concerne les sièges du véhicule ni en ce qui concerne l’espace de rangement. En moyenne, 35 % des répondant(e)s indiquent qu’au moins 3 places de leur véhicule sur 5 sont occupées au moins une fois par semaine. La plus grande part affirme toutefois que cela n’arrive que quelques fois par année (40,1 %), voire jamais pour 13,6 % des répondant(e)s. Les mêmes ordres de grandeur sont observés en ce qui concerne l’utilisation de l’espace de chargement. En revanche, les conducteur(trice)s de VUS sont significativement plus nombreux que les conducteur(trice)s de berline à utiliser fréquemment la majorité des sièges de l’habitacle ainsi que la pleine capacité du coffre. Pourtant, lorsque l’on contrôle pour d’autres variables sociodémographiques, le type de véhicule conduit n’est généralement pas un facteur explicatif de la fréquence d’utilisation de la pleine capacité de notre véhicule, que l’on parle de sièges ou du coffre, mais c’est plutôt le fait d’avoir des enfants qui est la variable avec le plus grand pouvoir explicatif.

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.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.047
Threshold uncertainty score0.095

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0040.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0080.001

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.

Opus teacher head0.074
GPT teacher head0.303
Teacher spread0.229 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicVehicle emissions and performanceFrench-language works237,207