MétaCan
Menu
Retour à la cohorte
Enregistrement W2034460486 · doi:10.1080/14927713.2005.9651336

Examining policy preferences of recreationists: A case of a fisheries management plan

2005· article· en· W2034460486 sur OpenAlexafffundvenueabout
Len M. Hunt, G. T. Morgan

Notice bibliographique

RevueLeisure/Loisir · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensLaurentian UniversityMinistry of Natural Resources and Forestry
Organismes subventionnairesMinistry of Natural Resources
Mots-clésRecreational fishingPreferenceRecreationChoice modellingFishingFisheries managementPlan (archaeology)Revealed preferenceLatent class modelBusinessDiscrete choiceFisheryEconomicsMarketingGeographyComputer scienceMicroeconomicsEconometricsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract We showcase a stated preference choice modelling approach that is ideally suited to provide information about recreationists’ preferences for different recreational management plans. In particular, we employ a stated preference choice model to examine anglers’ preferences for walleye management plans in eastern Ontario, Canada. This choice model approach with its emphasis on trade‐offs allows us to assess whether support for walleye regulations is affected by the expected catch and size of walleye that would likely be produced by the regulations. We also examine differences in angling preferences for regulations through a latent‐class model that is jointly estimated with the choice model. The results suggest that anglers do make trade‐offs among regulations and expected outcomes and that anglers do have different preferences for regulations and expected outcomes.

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 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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,135
Tête enseignante GPT0,240
Écart entre enseignants0,105 · 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 tête enseignante, 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

Citations4
Publié2005
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueLeisure/LoisirMême sujetEconomic and Environmental ValuationTravaux en français237 207