MétaCan
Menu
Retour à la cohorte
Enregistrement W2980144955 · doi:10.1108/ijtc-06-2019-0090

The phenomena of overtourism: a review

2019· review· en· W2980144955 sur OpenAlexaff
Rachel Dodds, Richard Butler

Notice bibliographique

RevueInternational Journal of Tourism Cities · 2019
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAcknowledgementTourismOriginalityGovernment (linguistics)Political scienceAction (physics)BusinessEnvironmental planningGeographyComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine the emergence of overtourism, outline the issues and contributing factors, as it relates to cities, and to suggest possible mitigation measures that might be taken by policy makers. Design/methodology/approach This paper draws from a review of literature looking at longitudinal issues of tourism development overtime and what has contributed to the phenomena of overtourism. A discussion of implications is provided from this review. Findings As tourism is an industry which has historically been poorly managed, greater political will and actual acknowledgement of the problem, as well as action by all levels of government are the necessary first steps to address overtourism. Practical implications This paper outlines key elements that contribute to overtourism and provides global examples which may help practitioners identify key critical issues in their own destinations and identify appropriate actions. Social implications This paper identifies issues raised by local resident populations and possible responses. Originality/value This paper provides a critical overview of overtourism issues, as it relates to cities and discusses potential mitigation and reduction efforts, thereby providing an explanation of why overtourism has become so prevalent.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,010
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,053
Tête enseignante GPT0,301
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations370
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Tourism CitiesMême sujetSharing Economy and PlatformsTravaux en français237 207