Social justice in tourism recovery: examining equity, diversity, and inclusion in Canadian tourism restart policies
Notice bibliographique
Résumé
Purpose The purpose of this paper is to analyze the incorporation, prioritization and depth of equity, diversity and inclusion (EDI) initiatives in tourism industry restart policies of Canadian provinces and territories. This study investigates how the detailing of EDI in policies determine the priority in emancipating tourism workers from the inequities exacerbated during the pandemic. Such investigation enables a better understanding of the complexities, tendencies and rationale of involving EDI in the tourism industry’s recovery. Design/methodology/approach The research investigated the presence and prioritization of equity, diversity, and inclusion using systematic text analytics of 38 publicly available restart plans and statements from 52 government and non-government agencies. Using web-based software Voyant Tools to assist in text analytics, a hybrid deductive-inductive coding approach was conducted. Findings Key outcomes from the analysis revealed scarce to no full and dedicated content on EDI as a holistic initiative necessary for tourism industry relaunch. This lack of EDI content was a result of the greater impetus to prioritize economic generation and limited data due to practical and ideological issues. Results also suggested the tokenizing of EDI in some policies. Research limitations/implications Difficulties in data used for research include the lack and availability of restart policies specifically for tourism; most policies were generalized and referred to economic recovery as a whole. Studies of tourism-specific EDI issues were also limited. Originality The research is revelatory for investigating EDI prioritizations in restart policies even among well-developed and worker-diverse tourism industries such as in Canada, where inequities and injustices to women, Black, Indigenous, gender-diverse, and newcomer tourism workers among others have been withstanding.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,022 | 0,015 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».