Tourism in peripheries: perspectives from the far north and south
Notice bibliographique
Résumé
* Preface Part I: Tourism in Peripheries - An Introduction * The Difficult Business of Making Pleasure Peripheries Prosperous: Perspectives on Space, Place and Environment, D K Muller and B Jansson * North-South Perspectives on Tourism, Regional Development and Peripheral Areas, C M Hall, University of Otago, New Zealand Part II: Tourism and Regional Development Issues * Tourism in Peripheries: The Role of Tourism in Regional Development in Northern Finland, J Saarinen, University of Oulu, Finland * Organising Tourism Development in Peripheral Areas: The Case of the Case of the SUBARCTIC Network in Northern Sweden, M Zillinger, Umea University, Sweden * The Impact of Tourism on the Local Structure of Supply with Goods and Services in Peripheral Areas - The Example of Northern Sweden, G Loffler * Tourism Development and the Rural Labor Market in Sweden, 1960-1999, D K Muller and P Ulrich, Umea University, Sweden Part III: Challenges to Peripheral Area Tourism * The Vulnerability of Peripheral Tourism: The Rapid Disenchantment of Peripheral Attraction, W Irvine and A R Anderson, Robert Gordon University, UK * If that's a Moose, I'd Hate to See a Rat! Visitors' Perspectives on Naturalness and their Consequences for Ecological Integrity in Peripheral Natural Areas of New Zealand, B Lovelock, University of Otago, New Zealand * Access, Tourism and Democracy: A Conceptual Framework and the Non-Establishment of a Proposed National Park in Sweden, K Sandell, Karlstad University, Sweden * Visitor Management in Protected Areas of the Periphery: Experiences from Both Ends of the World, P Mason, University of Luton, UK Part IV: Tourism Opportunities * Wind Farms as Possible Tourist Attractions, R Nash, A Martin, D Carney and K Krishnan, Robert Gordon University, UK * Sport Events as Tourist Attractions in Canada's Northern Periphery, T Hinch and S de la Barre, University of de la Barre Part V: Future Perspectives * Tourism Research in Greenland, B C Kaae, Danish Center for Forest, Landscaping and Planning, Denmark * Epiloge/Prologue, B Jansson and D K Muller.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».