MétaCan
Menu
Retour à la cohorte
Enregistrement W1970810358 · doi:10.1080/13606710701546868

Climate change and the future of snowmobiling in non-mountainous regions of Canada

2007· article· en· W1970810358 sur OpenAlexaffabout
Geoff McBoyle, Daniel Scott, Brenda Jones

Notice bibliographique

RevueManaging Leisure · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésClimate changeRecreationGeographyEconomic impact analysisVulnerability (computing)Liberian dollarSnowPhysical geographyEnvironmental scienceBusinessMeteorologyEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Climate change impact assessments of winter recreation have almost exclusively concentrated on alpine ski industry, overlooking the potentially greater vulnerability of other winter recreation sectors of large economic value. This study presents an empirical assessment of the potential impact of climate change on the multi-billion dollar recreational snowmobiling industry in Canada. A snow depth model was used to examine the potential impact of two climate change scenarios on the length of snowmobiling seasons in the 2020s (2010–2039) and 2050s (2040–69) at 13 non-mountainous study sites in Canada. In the Provinces of Ontario and Québec, which encompass the densest network of snowmobile trails and largest number of registered snowmobiles in the country, average snowmobile seasons in the 2020s were projected to be reduced between 11% and 44% under the low emission climate change scenario and between 39% and 68% under the high emission climate change scenario. Under the high emission scenario for the 2050s, a reliable snowmobiling season would be essentially eliminated from Canada's non-mountainous region. The economic and planning implications of changes in the length of snowmobile seasons are discussed along with future directions for research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,220
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManaging LeisureMême sujetEnvironmental Education and SustainabilityTravaux en français237 207