Tourisme et lutte contre la pauvreté
Bibliographic record
Abstract
Avec l’adoption en 2000 des objectifs du Millénaire pour le développement par les États membres de l’Organisation des Nations unies, la lutte contre la pauvreté est devenue indissociable du développement. Bien que la plupart des analyses s’attardent encore principalement à ses dimensions économiques, la pauvreté est maintenant comprise par les chercheurs, mais aussi par les institutions gouvernementales et non gouvernementales, comme une notion multidimensionnelle complexe qui interpelle toutes les disciplines. En raison notamment de sa croissance phénoménale dans les pays du Sud au cours de la dernière décennie, le tourisme est souvent envisagé par ces mêmes acteurs comme un vecteur de lutte contre la pauvreté, dont le tourisme « pro-pauvres » demeure l’exemple le mieux connu. À partir de la littérature scientifique publiée en anglais et en français depuis 1995, cet article propose un panorama de la recherche traitant des relations entre le tourisme et la pauvreté dans les pays du Sud. L’analyse de notre corpus confirme que cette relation est rarement abordée par les chercheurs et que ceux-ci contribuent très peu au renouvellement du débat sur le sujet, laissant non résolues les tensions entre la conceptualisation et l’opérationnalisation de ces notions.
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 | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".