Bibliographic record
Abstract
Ces dernières années, Greenland Tourism, l’organisation nationale du tourisme au Groenland, a eu pour politique d’encourager fortement les croisières. De grands paquebots, transportant parfois jusqu’à 3000 passagers, essayent d’aller de plus en plus au nord pour montrer aux touristes des sites et des communautés éloignées. Un bref historique du développement du tourisme au Groenland montre que ce dernier a toujours été planifié avec des moyens locaux mais que celui des croisières a pris progressivement de l’ampleur. Fortement encouragé, ce secteur poursuit sa croissance tant sur le plan du nombre des visiteurs que sur celui de la recherche de destinations nouvelles sur les rivages du Groenland. Dans ses périples, le tourisme de croisière recherche les lieux les plus marquants et les plus «typiques». Il s’agit le plus souvent de lieux périphériques et isolés qui sont habités par de petites communautés. Ces dernières vivent au quotidien une crise économique et sociale assez importante et le tourisme est considéré comme une option de développement pouvant diversifier et accroître leurs revenus. En prenant comme exemples quatre communautés du Groenland (Ukkusissat, Itilleq, Qaanaaq et Ittoqqortoormiit), l’auteure discute des impacts et des bénéfices du tourisme de croisière sur ces communautés qui n’ont pas toujours les infrastructures pour accueillir les touristes qui viennent les visiter pour quelques heures et souvent en grand nombre. Les points de vue de la population locale sont aussi présentés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".