Evaluation of Development Policies of a Tourist Territory Confronted with Intensive Urban Development using a Multi-Agent Modeling
Notice bibliographique
Résumé
This article employs an agent-based model to quantify how five alternative policy packages reshape land prices, urban form and ecological pressure in Corsica-a Mediterranean island where tourism intensifies competition for scarce coastal land. The model couples housing and tourist-rental markets with heterogeneous household and investor behaviour calibrated on 2010-2022 micro-data. We compare a Business-as-Usual baseline with: (i) a blanket ban on tourist-rental investments (BTRI); (ii) a 20 % tax on tourist-rental incomes (TTRI); (iii) a coastal-setback zoning that restricts new tourist-rental investments to sites located between 1 km and 50 km from the shoreline; and (iv) a CBD-buffer zoning that applies the same 1-50 km distance rule around the central business district. Linear-regression analysis of 2 500 Monte-Carlo runs shows that, ceteris paribus, the TTRI and Coastal-Zoning scenarios cut mean simulated coastal land prices by 12-18 % and reduce intra-island price inequality while preserving aggregate housing-stock growth. Conversely, the blanket ban displaces development towards ecologically sensitive upland areas and erodes local tax revenues. These findings highlight the importance of combining market-based and spatial instruments to reconcile economic vitality with ecological integrity in tourist territories. Beyond Corsica, the modelling framework is transferable to islands and coastal regions facing similar land-use tensions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».