MétaCan
Menu
Retour à la cohorte
Enregistrement W3017360646 · doi:10.3390/atmos11040412

An Inter-Comparison of the Holiday Climate Index (HCI:Beach) and the Tourism Climate Index (TCI) to Explain Canadian Tourism Arrivals to the Caribbean

2020· article· en· W3017360646 sur OpenAlexafffundabout
Michelle Rutty, Daniel Scott, Lindsay Matthews, Ravidya Burrowes, Adrian Trotman, Roché Mahon, Amanda Charles

Notice bibliographique

RevueAtmosphere · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationMitacsEuropean Commission
Mots-clésTourismIndex (typography)Climate changeGeographyDestinationsPreferenceEnvironmental resource managementClimatologyEnvironmental scienceComputer scienceEconomicsOceanographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Through an empirical investigation of the historical relationship between the destination climate and tourist arrivals in the Caribbean, this study presents the first revealed preference evaluation of a climate index informed by tourists’ stated climatic preferences for coastal-beach tourism (i.e., a sun-sand-surf or 3S travel market). The goal of this multi-organization collaboration was to examine the potential application of a newly designed climate index—the Holiday Climate Index (HCI):Beach—for three Caribbean destinations (Antigua and Barbuda, Barbados, Saint Lucia). This paper provides an overview of the evolution of climate indices, including the development of the (HCI):Beach. To test the validity of climate indices for a beach travel market, daily climate ratings based on outputs from the Tourism Climate Index and the HCI were correlated with monthly arrivals data from Canada (a key source market) at an island destination scale. The results underscore the strength of the new index, with each destination scoring consistently higher using the HCI:Beach, including a stronger relationship (R2) between index scores and tourist arrivals. These findings demonstrate the value of combining stated and revealed preference methodologies to predict tourism demand and highlight opportunities for future research.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,569

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0010,000

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 Opus0,024
Tête enseignante GPT0,316
Écart entre enseignants0,292 · 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'étudeSimulation ou modélisation
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

Citations125
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207