MétaCan
Menu
Retour à la cohorte
Enregistrement W2186543132

CLIMATE PREFERENCES FOR TOURISM: AN EXPLORATORY TRI-NATION COMPARISON

2007· article· en· W2186543132 sur OpenAlexaffabout
Daniel Scott, Stefan Gößling, C. R. de Freitas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTourismSalientClimate changeGeographyPrecipitationPerceptionExploratory researchSample (material)ClimatologyMeteorologyPsychologySociologyEcologySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study examines tourist perceptions of optimal climatic conditions for tourism and the relative importance of four climatic parameters (air temperature, precipitation, sunshine, wind) in three major tourism environments (beach-coastal, urban, mountains). A survey instrument was administered to 831 university students representative of the young-adult travel segment, in three countries (Canada, New Zealand, Sweden). Three salient findings included: the perceived optimum climatic conditions varied significantly among the three major tourism environments, the relative importance of the four climatic parameters was not the same in the three tourism environments, and the climatic preferences of respondents from the three nations were found to be consistent in some ways but varied significantly in others. The findings have a number of important implications for the literature on climate and tourism, including the development of climate indices for tourism, the definition of single optimal climate for global tourism, and climate change impact assessments. We believe that with a broader cross-cultural sample of tourist segments, this approach holds much promise for revealing the detailed complexities of tourist preferences for climate.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,168
Tête enseignante GPT0,429
Écart entre enseignants0,261 · 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

Citations14
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDiverse Aspects of Tourism ResearchTravaux en français237 207