في عصر يزداد فيه الاعتماد على البيانات الرقمية، برزت الدراسة الجديدة كخطوة مهمة في مجال أبحاث سلوك السفر. هذه الدراسة تأخذ نهجًا مبتكرًا يجمع بين جمع البيانات عبر المحادثة، والبيانات الهيكلية، وتوقع سلوكيات السفر. من خلال إجراء استبيانات مدارة بواسطة روبوت محادثة، تضمنت هذه الدراسة قياسات للسلوكيات النقلية للطلاب عبر خمسة سيناريوهات جوية محددة، وأسفرت عن جمع 454 ملاحظة من استجابات المشاركين.

لتحليل البيانات المتعلقة بالطقس، استخدمت الدراسة نموذج اللوجيت المتعدد، بينما تم تفعيل نماذج التعلم الآلي مثل الانحدار اللوجستي والغابات العشوائية كمرجع لتحليل الأداء. تم تقييم تسعة نماذج لغوية ضخمة (Large Language Models) محليًا، تتراوح بين 2 إلى 35 مليار معلمة، عبر أربعة شروط مختلفة لتجارب عدم التدخل، وكذلك من خلال تكوينات متعددة من خلال الصورة والنموذج.

أظهرت نتائج الدراسة أن نموذج الغابات العشوائية حقق دقة في التصنيف بلغت 69.6%، بينما تمكّن أفضل نموذج لغوي من تحقيق 69.9% دون الحاجة لتخصيصات محددة للمهام. كان لتوفير معلومات السفر التكرارية تأثير إيجابي أكبر في تحسين النتائج، كما أن المعلومات الشخصية كانت الأكثر فائدة عند غياب معلومات السفر المعتادة.

الإضافات الجديدة مثل التوجيه القليل قد حسنت النتائج، حيث ثبت أن الاستفادة من الصور المعروضة للمشاركين أسهمت في تحسين التوقعات. بشكل عام، تعكس هذه الدراسة كيف يمكن التنسيق بين الاستبيانات الحوارية، معالجة البيانات الهيكلية، ونمذجة السلوكيات التقليدية، من خلال استخدام نماذج لغوية متعددة النماذج لرسم مستقبل متوقع.