Estimating the Value of Forestry Eco-tourism Products by Contingent Valuation Method
Notice bibliographique
Résumé
CVM is a popular method of value evaluation in the world now, which functions on the public goods with non-use value such as environmental products etc. This paper aims to research the availability of CVM in Chinese forestry eco-tourism products value evaluation. We start from the advantages and limitation of CVM, hypothize the survey of WTP(willing to pay)in Yi Chun forestry eco-tourism area, which is performed in Harbin., and design the survey method, content and proceeding of questionnaire and the attentive problems when applying. After exploring the limitation of estimating Chinese forestry eco-tourism products in practice by CVM, we draw the conclusion that CVM can be widely spread in Chinese forestry eco-tourism products value evaluation. Key words: CVM, Consumer surplus，Forestry eco-tourism products value, WTP Resume: La MEC est une methode populaire d’evaluation de la valeur dans le monde d’aujourd’hui, qui s’applique aux biens publiques a valeur de non-usage tels que les produits environnementaux, etc. L’article present vise a etudier la faisabilite de la MEC dans l’evaluation de valeur des produits eco-touristiqes sylvicols de Chine. Commencant par les avantages et les limites de la MEC, nons supposont l’enquete de WTP(willing to pay) dans la zone eco-touristique forestiere Yi Chun accomplie au Harbin, elaboront la methode d’enquete, les questions du questionnaire et la procedure, et prevoyont les problemes potentiels dans l’application. Apres l’etude des restrictions de l’evaluation des produits eco-touristiques sylvicols chinois par la MEC, nous arrivons a la conclusion que la MEC peut etre largement appliquee dans l’evaluation de valeur des produits eco-touristiques sylvicols en Chine. Mots-Cles: MEC, surplus de consommation, valeur des produits eco-touristiques sylvicols, WTP
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».