MétaCan
Menu
Retour à la cohorte
Enregistrement W4406131710 · doi:10.1080/08920753.2025.2443376

Surfing at the Noosa World Surfing Reserve, Australia: Direct Expenditure and Travel Cost Analyses of Recreational Surfing

2024· article· en· W4406131710 sur OpenAlexaff
Javier X. Leon, Ana Manero, Neil Lazarow, Alaya Spencer‐Cotton, Tom Wegener, Phil Jarratt, Tristan Pearce

Notice bibliographique

RevueCoastal Management · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueAdventure Sports and Sensation Seeking
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésRecreationTourismFishingDestinationsGeographyNature reserveBusinessScuba divingEnvironmental resource managementEnvironmental planningFisheryEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Over the past 50 years, wellbeing, tourism and recreation have driven significant changes to coastal areas, yet our understanding of the drivers remains focused on traditional activities like swimming, fishing and scuba diving. Over 50 million people worldwide practice recreational surfing, and the presence of high-quality waves is an increasing appeal for surf-rich locations. Focusing on Noosa World Surfing Reserve in Queensland, Australia, this study has two goals: understand the market and nonmarket values associated with recreational surfing; and highlight opportunities for surf break management to be better incorporated into coastal management activities. Based on our survey responses (n = 140), we found average surf-related expenditures are $1,897 per person per year, including direct expenditure in the reserve and surfing equipment. An application of the travel cost method reveals consumer surplus of A$48 per surfing trip to the Noosa World Surfing Reserve. We conclude that policies aimed at preserving surf breaks and improve users’ experience offer an important contribution to coastal management and planning, particularly when managed and natural coasts are under increasing pressures, such as from urban developments and coastal erosion.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,199

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,111
Tête enseignante GPT0,389
Écart entre enseignants0,278 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoastal ManagementMême sujetAdventure Sports and Sensation SeekingTravaux en français237 207