MétaCan
Menu
Retour à la cohorte
Enregistrement W2555325775 · doi:10.1108/whatt-07-2016-0039

How can the tourism industry respond to the global challenges arising from climate change and environmental degradation?

2016· article· en· W2555325775 sur OpenAlexaboutno aff
Vik­neswaran Nair, Badaruddin Mohamed, Toney K. Thomas, Richard Teare

Notice bibliographique

RevueWorldwide Hospitality and Tourism Themes · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTheme (computing)TourismClimate changeOriginalityValue (mathematics)SociologyPolitical scienceEnvironmental ethicsPublic relationsEnvironmental resource managementSocial scienceEconomicsComputer scienceEcologyQualitative researchLaw

Résumé

récupéré en direct d'OpenAlex

Purpose This paper profiles the WHATT theme issue “How can the tourism industry respond to the global challenges arising from climate change and environmental degradation?” by drawing on reflections from the theme editors and theme issue outcomes, including case study examples from Malaysia, New Zealand and Canada. Design/methodology/approach This paper uses structured questions to enable the theme editors to reflect on the rationale for the theme issue question, the starting point, the selection of the writing team, the material and the editorial process. Findings This paper uses case studies to illustrate how the tourism industry is responding to climate change issues. Additionally, team members of the theme issue from Australia, India, Germany, Malaysia and Canada review some of the latest thinking on the relationships between tourism and climate change. Practical implications This paper outlines challenges and new approaches to the management of climate change in tourism. Originality/value Explores the extent to which innovative approaches, discussed in this theme issue, could be replicated and applied in countries that have yet to take action on tourism-related climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,285
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

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'admission1
Résumé présentoui

Explorer davantage

Même revueWorldwide Hospitality and Tourism ThemesMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207