MétaCan
Menu
Retour à la cohorte
Enregistrement W1981153166 · doi:10.1017/s1350482703005048

Using willingness‐to‐pay to assess the economic value of weather forecasts for multiple commercial sectors

2003· article· en· W1981153166 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMeteorological Applications · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWillingness to payValuation (finance)RecreationBusinessContingent valuationValue (mathematics)Agricultural economicsNational weather serviceLandscapingActuarial scienceMeteorologyEconomicsFinanceGeographyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper uses an alternative to the usual cost‐avoidance approach to estimating the value of weather forecast products. Value is estimated via a demand‐based approach based on the willingness to pay of those who use weather forecast services. Contingent valuation is used to estimate the benefits generated by an automated telephone‐answering device that provides weather forecast information to commercial users in the Toronto area of Ontario, Canada. Commercial sectors included in the study are construction, landscaping/snow‐removal businesses, TV and film, recreation and sports, agriculture, hotel and catering, and institutions such as schools and hospitals. Average value per call varied by commercial sector, from $2.17 for agricultural users to $0.60 per call for institutional users, with an overall mean of $1.20 per call. At roughly 13,750,000 commercial calls annually, this would result in an estimate of benefits generated by the service to commercial users of $16,500,000 per year. Copyright © 2003 Royal Meteorological Society

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,463
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

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

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 Opus0,252
Tête enseignante GPT0,295
Écart entre enseignants0,043 · 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