Diversifying Rural Economies with Natural Resources: The Difference Between Local and Regional OHV Trail Destinations
Notice bibliographique
Résumé
With an estimated forty-four million riders, Off-Highway Vehicle (OHV) usage is one of the fastest growing forms of recreation in the United States. The National Survey on Recreation and the Environment suggests that this recreation and growth is largely occurring on public lands, most of which are situated in rural areas. OHV riders have been reported to have a consumer surplus ranging from US$ 25.51 to US$ 131.58 for recreational day trips, creating a potential lucrative market for rural communities wishing to diversify their economy. However, research has also found that OHV use can negatively impact natural resources and the experience of other non-OHV visitors. Given the potential positive economic impact, as well as the potential negative environmental and social impacts, it is important to identify which factors are most important for attracting OHV users that maximize positive outcomes and reduce negative outcomes. Additionally, for destinations seeking to establish or expand OHV opportunities to attract substantial users, information is needed on the differences between trail systems that attract only local markets, versus regional or national markets. Results suggest that the primary factor distinguishing between local and regional trails systems is the number of miles of trail, with secondary considerations being trail design and management policies. Keywords: Off Highway Vehicles (OHV), motorized recreation, rural natural resources, trail characteristics
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».