MétaCan
Menu
Retour à la cohorte
Enregistrement W2101869302 · doi:10.1175/wcas-d-13-00052.1

Weather Forecast Use for Winter Recreation*

2014· article· en· W2101869302 sur OpenAlexaffabout
Michelle Rutty, Jean Andrey

Notice bibliographique

RevueWeather Climate and Society · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueAdventure Sports and Sensation Seeking
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship Council
Mots-clésRecreationContext (archaeology)SnowWinter stormEnvironmental scienceMeteorologyRain and snow mixedGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Recent studies have begun to address the importance of weather information for leisure activities. This paper contributes to the understanding of how weather information is sourced, perceived, and used for the discretionary and weather-dependent winter activities of skiing, snowboarding, and snowmobiling. A survey of 1948 Ontario (Canada) skiers/snowboarders and snowmobilers is the empirical basis for the paper, providing insights into how winter recreationists are both similar to and different from the general public with respect to weather information. Results show that virtually all (≥97%) skiers/snowboarders and snowmobilers use weather forecasts when planning an outing, which are primarily (≥95%) sourced through Internet and mobile devices. Skiers/snowboarders and snowmobilers are also highly attentive to rain and freezing rain variables in the forecast, as it negatively affects participation. The results also demonstrate the importance of forecast use for planning travel to snow resorts and snowmobile trails, with poor road conditions likely to result in a postponed or cancelled trip. These findings underscore the differing weather needs of subpopulations, with the need for continued research to examine variations among weather forecast users for context specific decision making.

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)0,002
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 enseignants0,111
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,038
Tête enseignante GPT0,305
Écart entre enseignants0,267 · 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

Citations58
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeather Climate and SocietyMême sujetAdventure Sports and Sensation SeekingTravaux en français237 207