MétaCan
Menu
Retour à la cohorte
Enregistrement W4256340920 · doi:10.18111/wtobarometereng.2019.17.1.2

UNWTO World Tourism Barometer and Statistical Annex, May 2019

2019· article· en· W4256340920 sur OpenAlexaboutno aff

Notice bibliographique

RevueUNWTO World Tourism Barometer · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismQuarter (Canadian coin)EarningsBarometerIndex (typography)GeographyAnnual growth %Agricultural economicsBusinessEconomicsEconomyFinance

Résumé

récupéré en direct d'OpenAlex

International arrivals grew 4% in the first quarter of 2019 International tourist arrivals (overnight visitors) grew 4% in January-March 2019 compared to the same period last year, below the 6% average growth of the past two years. Growth was led by the Middle East (+8%) and Asia and the Pacific (+6%). Europe and Africa (both +4%) and the Americas (+3%) also recorded an increase in arrivals in this first quarter of 2019. Confidence in global tourism performance has started to pick up again after slowing down at the end of 2018, according to the latest UNWTO Confidence Index survey. The Panel’s outlook for the current May-August period is more optimistic than in the past three periods and more than half of respondents are expecting a better performance in the coming four months. Total exports from international tourism reach USD 1.7 trillion in 2018 Total export earnings from international tourism reached USD 1.7 trillion in 2018, or almost USD 5 billion a day on average. International tourism (travel and passenger transport) accounts for 29% of the world’s services exports and 7% of overall exports of goods and services. For the seventh year in a row, growth in tourism exports (+4%) was higher than growth in merchandise exports (+3%) in 2018.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0500,036

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 Opus0,015
Tête enseignante GPT0,294
Écart entre enseignants0,279 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNWTO World Tourism BarometerMême sujetArctic and Russian Policy StudiesTravaux en français237 207