A research roadmap for evidence-informed policymaking in tourism
Notice bibliographique
Résumé
There have been repeated calls from practitioners and academics to make greater use of evidence to improve policymaking. While the tourism and geography literature have occasionally addressed the complex nature of research-practice collaboration, these attempts remain fragmented, somewhat unreflective and scarcely informed by debates in political science. This conceptual paper addresses this gap by identifying tensions in the mainstream literature on evidence-based policymaking and by proposing a future research roadmap for evidence-informed policymaking in tourism. The proposed research agenda stems from four tensions identified in the literature: (i) a lack of consensus on what constitutes evidence, (ii) different understandings of the policymaking process, (iii) the contradiction between evidence and policymaking, and (iv) the politics of evidence and barriers to evidence use. The paper makes several contributions to the discourse on evidence-informed policymaking in tourism geographies. It provides insights from political science discourses to aid our understanding of evidence informed policymaking which will also inform future tourism research. Moreover, the paper explores broader conceptualisations of evidence and examines various forms of its application. It also promotes awareness of diverse philosophical perspectives and emphasises that the effective use of evidence is crucial for achieving evidence-informed policymaking.
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 | 0,204 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,009 | 0,035 |
| Communication savante | 0,036 | 0,051 |
| Science ouverte | 0,008 | 0,026 |
| Intégrité de la recherche | 0,034 | 0,033 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,005 |
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 ».