MétaCan
Menu
Retour à la cohorte
Enregistrement W4239307367 · doi:10.17125/fci2017.ch10

Florida Tourism

2017· book-chapter· en· W4239307367 sur OpenAlexaboutno aff
Julie Harrington, Hongmei Chi, Lori Gray

Notice bibliographique

RevueFlorida Climate Institute eBooks · 2017
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismReal estateBusinessPopulationClimate changeHospitalityEconomic impact analysisGeographyAgricultural economicsFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

Tourism is one of the largest economic industries in Florida. In 2015, a record 106.3 million tourists visited Florida (about five visitors per resident), with an economic impact of about $90 billion. Tourism also provides additional benefits for federal, state, and local governments in the form of taxes (e.g., excise, sales, income, and property taxes). In Florida, tourism accounts for over one million direct jobs and an additional 1.5 million indirect and supply chain jobs. The three industries or business sectors most impacted by tourism and currently experiencing substantial growth in the state, include: leisure and hospitality (e.g., hotels, restaurants, museums, amusement parks, entertainment), transportation (e.g., cruise ships, taxis, airports), and retail trade (e.g., gas stations, retail stores). The 106.3 million tourists comprise approximately 91.2 million out-of-state visitors, 3.9 million Canadian visitors, and 11.2 million overseas visitors. The domestic visitors are anticipated to grow by 20% in 2018. Tourism and the associated industries in Florida are highly vulnerable to climate change over time. The state population and real estate markets continue to grow in the coastal areas, with corresponding increases in property values at risk. In addition, there are losses associated with the properties used to mitigate the effects of climate change. In summary, indicators of climate change, such as higher sea levels and more frequent and powerful hurricanes and other extreme weather events, have the potential to severely impact the tourism industry in Florida.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,401
Score d'incertitude au seuil0,855

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,4010,124

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 Opus0,062
Tête enseignante GPT0,333
Écart entre enseignants0,271 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFlorida Climate Institute eBooksMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207