MétaCan
Menu
Retour à la cohorte
Enregistrement W3203923303 · doi:10.3390/su131910830

Linkages between Climate Change and Coastal Tourism: A Bibliometric Analysis

2021· article· en· W3203923303 sur OpenAlexaboutno aff
Vyddiyaratnam Pathmanandakumar, Sheeba Nettukandy Chenoli, Hong Ching Goh

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismClimate changeRegional scienceGeographyBibliometricsThematic analysisPolitical scienceEnvironmental resource managementLibrary scienceSociologySocial scienceQualitative researchEcologyEnvironmental scienceArchaeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Tourism and climate are inextricably linked to several interactions. In recent years, there has been a greater focus on the linkages between climate change and coastal tourism. This study aims to provide an overview of the literature on climate change and coastal tourism, identify core areas of interest and important sources and authors, and examine the thematic evolution of the field. A bibliometric analysis of 92 documents related to climate change and coastal tourism published in the Web of Science Core Collection database was carried out. The analysis provides information on the most cited papers, most leading authors, the most productive countries, and the most leading institutions in this field. The study utilized the Visualization of Similarities Viewer program (VOS) to map author keyword co-occurrences, co-citations, and bibliographic coupling. The study showed that, with some fluctuations since 2008, the number of publications in this field had increased significantly. The most influential authors and most productive institutions are from the United States of America, England, Canada, and other European countries. The findings of this study will assist researchers conducting climate change and coastal tourism-related studies to understand which papers, academics, organizations, countries, and journals have a dominant influence on climate change and coastal tourism 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 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 candidatesBibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,233
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
Bibliométrie0,0030,053
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,005
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 Opus0,017
Tête enseignante GPT0,262
Écart entre enseignants0,245 · 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

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCoastal and Marine ManagementTravaux en français237 207