Falling up and staying high: commute transit mode share trends in Montreal age groups and birth cohorts
Bibliographic record
Abstract
Les jeunes semblent utiliser le transport en commun plus que leurs prédécesseurs, renversant ainsi latendance du 20e siècle. Il demeure toutefois important de savoir si cette hausse d’utilisation chez lesjeunes persistera malgré leur vieillissement. Cet article se penche sur les changements de la part modaledu transport en commun pour les déplacements quotidiens ainsi que les tendances socio-économiques etgéographiques, afin de déterminer la susceptibilité que ces tendances se maintiennent. Cette étude se basesur les données des enquêtes de déplacements du Grand Montréal (1998, 2003 et 2008). Plus de 45 000déplacements domicile-travail et domicile-école sont analysés pour chaque année d’enquête. Nous notonsune diminution de la part modale du transport collectif propre au groupe d’âge jusqu’à 30 ans, suivie parplusieurs décennies de stabilité. Malgré une augmentation de la part modale des jeunes, cette tendancesemble se maintenir, et il est possible que cette augmentation persiste avec le vieillissement de cettecohorte. La suburbanisation des individus en début de trentaine ainsi que les changements de lacomposition de leurs ménages sont des facteurs pouvant expliquer en grande partie cette baisse de partmodale avant d’atteindre la stabilité. Les agences de transport peuvent augmenter leur achalandage à longterme, puisque les individus présentement âgés de 30 ans et moins remplacent les cohortes plus âgées autravail, qui sont moins disposées à utiliser le transport collectif. La priorité des agences de transportcollectif devrait être d’adresser les besoins des jeunes, puisque leurs choix modaux demeurentrelativement incertains, assurant ainsi une augmentation d’achalandage à long terme.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".