MétaCan
Menu
Retour à la cohorte
Enregistrement W2557669797 · doi:10.22158/se.v2n1p20

A Study of Climate Variability and Socioeconomic Impact on Tourism Industry of Nepal

2016· article· en· W2557669797 sur OpenAlexaff
Raju Pokharel, Jagdish Poudel, Aseem R. Sharma, Robert K. Grala

Notice bibliographique

RevueSustainability in Environment · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésTourismSocioeconomic statusGeographyProsperityRecreationAgricultureClimate changeSocioeconomicsPopulationAgricultural economicsPopulation growthEconomic growthEnvironmental protectionDevelopment economicsEconomicsPolitical scienceDemographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

<p><em>In Nepal, tourism is the second largest industry after agriculture. Furthermore, Nepal offers numerous opportunities for adventurous outdoor recreation, especially in the Himalayas, and attracts tourists from all over the World. However, future prosperity of Nepal’s tourism industry might be affected by a changing climate and a socioeconomic environment. A log-level regression model is employed to estimate the impact of climatic and socioeconomic factors on the number of international tourists visiting Nepal. Climatic estimates indicated that an increase in temperature did not have a significant impact on the numbers of international tourist arrival. Results show that the number of international tourists visiting Nepal was positively associated with GDP and population growth, inflation rate, and an exchange rate. These results help policy makers for facilitating growth of tourism industry and its adaptability to climate change in Nepal. </em></p><p><em><br /></em></p>

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,048
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,326
Écart entre enseignants0,314 · 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.

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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability in EnvironmentMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207