Leçons de la COVID-19 pour les politiques publiques de vulnérabilité et de résilience des destinations touristiques canadiennes
Notice bibliographique
Résumé
Cet article porte sur les impacts différenciés de la pandémie de COVID-19 sur les destinations canadiennes en termes de vulnérabilité et de résilience. Nous explorons comment les politiques publiques peuvent mieux répondre aux disparités locales en matière de reprise touristique dans le futur à travers une approche territorialisée ou « place-based ». En utilisant l'Enquête nationale sur les voyages des Canadiens (2019-2021), nous comparons, à l’aide de statistiques descriptives, trois découpages couramment utilisés pour concevoir des politiques territorialisées : 1) provincial ; 2) typologique (urbain-rural) et 3) démographique en fonction de différentes catégories d’activités touristiques. Les résultats montrent que les écarts de vulnérabilité et de résilience sont davantage typologiques (urbain/rural) et liés aux types d’activités dominantes qu’à une distinction provinciale. Les zones urbaines ont été les plus vulnérables, avec des chutes allant jusqu'à l'annulation totale (100 %) des événements et spectacles et une réduction de près des trois quarts (72,62 %) dans les loisirs et divertissements au troisième trimestre de 2020 par rapport à 2019, suivi d'une faible reprise en 2021. À l’inverse, les zones rurales ont démontré une meilleure résistance, profitant des activités de plein air qui ont plus que doublé (+157,9 %) en 2020 et continuant à augmenter substantiellement (+48,3 %) en 2021, bien que cela ait mené à un risque accru de surfréquentation dans certaines zones périphériques peu habitées nouvellement prisées. Ces constats soulignent l’importance d’adopter des politiques publiques territorialisées flexibles, modulées en fonction de la vulnérabilité et de la capacité de rebond des destinations, plutôt que fondées sur un cadre prédéterminé. Pour le Canada, comme la vulnérabilité et la résilience varient peu d’une province à l’autre, l’opposition entre milieux urbains et ruraux s’avère la plus pertinente pour différencier les interventions.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».