MétaCan
Menu
Retour à la cohorte
Enregistrement W4220700101 · doi:10.5026/jgeography.131.23

Mechanisms for Sustaining the Local Labor Markets in International Mountain Resorts: A Case Study of Whistler, Canada

2022· article· en· W4220700101 sur OpenAlexaboutno aff
Jo Komuro

Notice bibliographique

RevueJournal of Geography (Chigaku Zasshi) · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResidenceRecreationWork (physics)Promotion (chess)Labor demandLabour economicsLabor relationsSettlement (finance)BusinessDestinationsTourismSupply and demandEconomicsWageGeographyDemographic economicsPolitical scienceFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

This study aims to elucidate the mechanisms for sustaining local labor markets in international mountain resorts according to their regional characteristics, focusing on foreign labor. It remains unclear how international mountain resorts, which have recently struggled to secure labor to accommodate a growing number of visiting tourists, have successfully attracted outside labor to sustain local labor markets. In this case study, Whistler is an example of a resort with an imbalance between the supply and demand of labor due to an increase in demand. When analyzing labor market results in this region, a mechanism emerges that includes two processes for supplying external labor. First, the process involving those who are willing to improve their language or professional skills and obtain permanent residence rights through work promotion, changing work, or starting businesses to establish themselves in a community. Second, the process of seasonal workers going abroad with working holiday visas and for recreational purposes. A specific social regulation effect overcomes three mismatches (space, temporal, and skills) and sustains these local labor markets. In other words, the international labor force travels abroad from one market to another when the spatial divergence is resolved. The process of permanent settlement or seasonal stay of workers is enabled by addressing the divergence between temporal elements and skills in these local labor markets.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil0,702

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,271
Écart entre enseignants0,262 · 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'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography (Chigaku Zasshi)Même sujetMigration, Aging, and Tourism StudiesTravaux en français237 207