An Analysis of Congestion Effects Across and Within Multiple Recreation Activities
Notice bibliographique
Résumé
This paper uses stated and revealed preference data to quantify differential welfare impacts from changes in congestion at outdoor recreation sites that support multiple activities. The results indicate that welfare impacts from congestion vary by congestion point, site, and activity within a given site. Estimating willingness to pay (WTP) for multiple sites and activities allows for parametric testing of whether WTP varies among sites and activities. The most general implication of this study is that if one has the ability to discriminate by activity, doing so is preferable purely in terms of overall model performance. This approach is especially useful for circumstances in which visitor flows in a system of multiple use areas can be managed so as to increase net benefits associated with public lands. Dans la présente étude, nous avons utilisé des données sur les préférences déclarées et révélées pour quantifier l'impact différentiel que des variations de congestion dans les aires d'activités récréatives multiples ont sur le bien‐être. Les résultats ont montré que l'impact différentiel de la congestion sur le bien‐être varie selon le point de congestion, l'aire et l'activité au sein d'une aire donnée. L'estimation de la volonté de payer (VDP) pour des aires et des activités multiples permet de vérifier, à l'aide d'un test paramétrique, si la VDP varie ou non entre les aires et les activités. L'implication la plus générale de cette étude est que si quelqu'un a la possibilité de discriminer selon l'activité, le fait de le faire est préférable purement si l'on considère la performance globale du modèle. Cette méthode est particulièrement utile dans les cas où l'affluence des visiteurs dans un système d'aires polyvalentes peut être gérée de sorte à accroître les avantages nets liés aux terres publiques.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».