MétaCan
Menu
Retour à la cohorte
Enregistrement W4392365736 · doi:10.1080/13683500.2024.2320854

Sweden as a last resort for European skiing? An outbound market perspective

2024· article· en· W4392365736 sur OpenAlexaff
Harald Rice, Scott Cohen, Daniel Scott

Notice bibliographique

RevueCurrent Issues in Tourism · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)TourismMarket segmentationBusinessEconomic geographyEconomyMarketingGeographyEconomicsArtArchaeology

Résumé

récupéré en direct d'OpenAlex

Previous work identified Northern Swedish skiing as a beneficiary from worsening climate change, with its relative improvement in snow reliability increasing its attractiveness over areas of the European Alps. This study advances the supply-side discussion of Northern Sweden as a ‘last resort’ with demand-side insights. It examines whether Europe’s major outbound ski market would adapt its destination choice due to climate change impacts on European skiing. A survey of 296 skiers was administered through the Ski Club of Great Britain. British ski tourists held negative perceptions of the price, accessibility, and quality/variety of ski terrain in Sweden. These concerns improved amongst those who had visited Sweden to ski, demonstrating familiarity with Swedish skiing may overcome barriers to substituting away from the European Alps. British ski tourists ranked snow conditions as the most important factor in their destination choice, thus snow reliability should form the basis of Swedish destination image moving forward. The majority of respondents (76%) opted for spatial substitution under poor snow conditions, ranking Sweden as the fifth most popular substitution destination, after four major Alpine ski nations, indicating that until climate reliable locations in the European Alps are exhausted, Sweden may not benefit substantially from climate change adaptation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0070,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,025
Tête enseignante GPT0,382
Écart entre enseignants0,357 · 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'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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Issues in TourismMême sujetWinter Sports Injuries and PerformanceTravaux en français237 207