MétaCan
Menu
Retour à la cohorte
Enregistrement W4409742900 · doi:10.1007/s10584-025-03942-3

Permafrost degradation-induced risks for nature-based tourism in the Arctic – case from the Yukon

2025· article· en· W4409742900 sur OpenAlexaboutno aff
Eirini Makopoulou, Alix Varnajot

Notice bibliographique

RevueClimatic Change · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesKvantum-instituutti, Oulun YliopistoOulun Yliopiston TukisäätiöOulun Yliopisto
Mots-clésPermafrostArcticTourismThe arcticDegradation (telecommunications)Physical geographyEarth scienceGeologyEnvironmental scienceClimatologyOceanographyGeographyArchaeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Permafrost degradation is one of the most significant consequences of climate change in the Arctic. During summers, permafrost degradation is evident with cryospheric hazards like retrogressive thaw slumps (RTSs) and active layer detachment slides (ALDs). In parallel, the Arctic has become a popular tourist destination for nature-based activities, with summer being the peak touristic season. In this context, cryospheric hazards pose potential risks for tourists’ presence in Arctic national parks and wilderness in general, like in the Yukon. This essay provides the basis for investigating further periglacial, geomorphological and tourism intersections, highlighting the critical need for future interdisciplinary research on thawing permafrost impacts. More so, this requires moving beyond the predominant focus on permafrost impacts on infrastructure and to also consider the direct threats posed to human physical presence in Arctic tourist destinations affected by permafrost degradation. Such interdisciplinary approach is critical not only to mitigate risks, but also to provide policy- and decision-makers with valuable insights for implementing measures and guidelines.

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)0,000
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 enseignants0,701
Score d'incertitude au seuil0,594

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,133
Tête enseignante GPT0,329
Écart entre enseignants0,196 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimatic ChangeMême sujetClimate change and permafrostTravaux en français237 207