MétaCan
Menu
Retour à la cohorte
Enregistrement W2328517986 · doi:10.5558/tfc2016-022

Reducing the Impact of Forest Harvesting on the Vancouver Island Tourism Industry

2016· article· en· W2328517986 sur OpenAlexaffvenueabout
Kyle W. Hilsendager, Howard W. Harshaw, Robert Kozak

Notice bibliographique

RevueThe Forestry Chronicle · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTourismForest industryBusinessResource (disambiguation)LoggingEcotourismForestryGeographyEnvironmental resource managementEnvironmental planningEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

British Columbia forests have traditionally been managed for timber production. However, the increasing importance of nature-based tourism within the province means that forests also have significant value as a tourism resource. This can lead to conflicts between the forestry and tourism industries. This article examines tourism and forestry interests on Vancouver Island and discusses ways that forests could be managed to reduce negative impacts to the tourism industry. Eighteen semi-structured interviews were conducted with forestry and tourism industry professionals on Vancouver Island and elsewhere in British Columbia. Findings suggest that visual impacts associated with forestry can negatively impact tourism. It also appears that forestry receives a much higher priority than tourism when it comes to forest management, despite the vital importance of the tourism industry to the Vancouver Island economy. Displeasure over the lack of communication requirements between the forest industry and other stakeholders was also documented. The implementation of formal agreements between the two industries may potentially reduce conflicts between these two industries on Vancouver Island. Identification and special management of highly valuable tourism areas may also provide benefits to the Vancouver Island tourism industry.

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)0,002
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 enseignants0,261
Score d'incertitude au seuil0,525

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,063
Tête enseignante GPT0,232
Écart entre enseignants0,170 · 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

Citations2
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetEconomic and Environmental ValuationTravaux en français237 207