Cities and visitors : regulating people, markets, and city space
Notice bibliographique
Résumé
List of Illustrations vii List of Tables ix List of Contributors xi Series Editorsa Preface xv Preface xvi Introduction 1 Susan S. Fainstein, Lily M. Hoffman, and Dennis R. Judd Part I: Regulating Visitors 21 1 Visitors and the Spatial Ecology of the City Dennis R. Judd 23 2 Cities, Security, and Visitors: Managing Mega--Events in France Sophie Body--Gendrot 39 3 Sociological Theories of Tourism and Regulation Theory Nicolo Costa and Guido Martinotti 53 Part II: Regulating City Space 73 4 Amsterdam: It's All in the Mix Pieter Terhorst, Jacques van de Ven, and Leon Deben 75 5 Revalorizing the Inner City: Tourism and Regulation in Harlem Lily M. Hoffman 91 6 Barcelona: Governing Coalitions, Visitors, and the Changing City Center Marisol Garcia and Nuria Claver 113 7 The Evolution of Australian Tourism Urbanization Patrick Mullins 126 Part III: Regulating Labor Markets 143 8 Regulating Hospitality: Tourism Workers in New York and Los Angeles David L. Gladstone and Susan S. Fainstein 145 9 Shaping the Tourism Labor Market in Montreal Marc V. Levine 167 Part IV: Regulating the Tourism Industry 185 10 Mexico: Tensions in the Fordist Model of Tourism Development Daniel Hiernaux--Nicolas 187 11 The New Berlin: Marketing the City of Dreams Hartmut Haussermann and Claire Colomb 200 12 Museums as Flagships of Urban Development Chris Hamnett and Noam Shoval 219 Part V: Conclusion 237 13 Making Theoretical Sense of Tourism Susan S. Fainstein, Lily M. Hoffman, and Dennis R. Judd 239 Index 254
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».