MétaCan
Menu
Retour à la cohorte
Enregistrement W3155664688 · doi:10.1080/09669582.2021.1910828

Last chance tourism: a decade review of a case study on Churchill, Manitoba’s polar bear viewing industry

2021· review· en· W3155664688 sur OpenAlexafffundabout
Jamie D’Souza, Jackie Dawson, Mark Groulx

Notice bibliographique

RevueJournal of Sustainable Tourism · 2021
Typereview
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Northern British ColumbiaUniversity of Ottawa
Organismes subventionnairesChurchill Northern Studies CentreUniversity of Ottawa
Mots-clésTourismTourist industryGeographyDestination managementRegional sciencePolitical scienceEconomic geographyDestinationsArchaeology

Résumé

récupéré en direct d'OpenAlex

For over 50 years, Churchill, Manitoba has provided visitors an opportunity to see polar bears in their natural environment. Over the same time period, an increase in temperatures and related reductions in sea ice has negatively impacted the health of polar bears in the Western Hudson Bay. In 2008, the term ‘last chance tourism’ was coined, linking the demand to travel to the North with a desire to see these animals ‘before they are gone’. This creates a paradox as tourists require energy-intensive modes of transportation to reach the Arctic, thereby contributing to greenhouse gas emissions. This paper compares the polar bear viewing industry’s total greenhouse gas contribution and tourists’ knowledge about climate change with results from a 2008 study and discusses any changes over the last ten years. During the 2018 polar bear viewing season, greenhouse gas emissions were estimated to be 23,017 t/CO2, an increase from 2008. The results also indicated that although most tourists believe climate change is happening, fewer associate air travel to this — a similar finding identified ten years ago. Findings from this research show that consumption patterns have not changed despite a growing awareness of climate change and its impacts.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil0,358

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,014
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,076
Tête enseignante GPT0,407
Écart entre enseignants0,331 · 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'étudeQualitatif
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

Citations59
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable TourismMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207