Movilidad urbana y uso compartido del coche: tendencias y amenazas en el comportamiento de los consumidores
Bibliographic record
Abstract
[ES] Esta disertación da respuesta a una de las cuestiones más preocupantes a las que se enfrenta gran parte del mundo: la movilidad del futuro. \n \nEn primer lugar, esta disertación se centra en la evolución del concepto de marketing a través de los años, y los resultados obtenidos determinan las posibles alternativas. También se considera que los nuevos modelos de negocio, especialmente centrados en las economías comunes, aportan beneficios a las tendencias actuales del mercado. \n \nLuego, esta disertación se sustenta en los factores (demografía, económica y protección del medio ambiente) que demuestran que el modelo actual de transporte puede estar orientado a aplicar ciertos cambios, ya que no es ni eficiente ni se orienta hacia el ideal de la "libertad de movilidad". \nLos servicios de coche compartido se consideran como una alternativa para minimizar los problemas actuales y la forma en que esto afecta a las políticas de la administración local, para mostrar que están reguladas y cómo las economías compartidas empiezan a tener un papel de cooperación importante en el día a día. \n \nEn este estudio, se han considerado métodos cuantitativos y cualitativos de investigación. El análisis cuantitativo se centra en los resultados de una encuesta que mostró las principales inquietudes sobre la satisfacción de los usuarios con el uso compartido de coches. La encuesta fue elaborada en una empresa francesa, que ofreció una flota de vehículos compartidos a sus empleados como una nueva alternativa en lugar de recurrir a medios de transporte privados. \n \nEl análisis cualitativo se centra en los datos recogidos por la interfaz de programación de aplicaciones (API) que Car2Go registró en la ciudad de Vancouver, mostrando las reacciones de los clientes de una flota de coches compartidos cuando una avería en el sistema de transporte ferroviario dejó una gran parte de la ciudad sin servicio durante horas hasta que se arregló. \n \nComo conclusión, a partir de los datos recogidos por los estudios de campo, se alcanzan soluciones para demostrar que el coche compartido es una nueva forma de movilidad que tiene un impacto positivo en el medio ambiente y que pretende beneficiar a las empresas públicas y privadas y a los particulares en un escenario a corto plazo.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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 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".