MétaCan
Menu
Back to cohort
Record W2243203584

Développement stratégique du tourisme sportif de rivière par régulation corporatiste L'expérience du bassin de Saint Anne (Québec) appliquée aux Rivières de Provence

2004· article· fr· W2243203584 on OpenAlexaboutno aff
Bernard Massiéra

Bibliographic record

VenueAmericanae (AECID Library) · 2004
Typearticle
Languagefr
FieldSocial Sciences
TopicFrench Urban and Social Studies
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceGeographyArt
DOInot available

Abstract

fetched live from OpenAlex

Cette étude est réalisée dans le cadre des volontés institutionnelles locales de développer le tourisme de plein nature en conciliant les préoccupations de protection des espaces naturels. Les faiblesses organisationnelles de l'offre qui caractérise l'état des lieux du tourisme sportif de rivière en Provence nous entraîne à la recherche de ses causes. Un recueil méthodologique d'éléments informatifs, issus du contexte socio-économique, guide notre réflexion vers l'origine des résistances à la structuration de l'offre. Cette résistance dévoile le problème de la stratégie inhérente des acteurs de l'offre ludosportive. L'analyse démontre que les résistances au développement de l'offre de tourisme sportif de rivière se révèle principalement d'origine sociale, émanant de la pluralité des acteurs locaux et de leurs difficultés à intégrer une dynamique stratégique commune. Un rapprochement avec l'expérience de la gestion du bassin versant de la rivière Sainte-Anne au Québec, préconise d'inscrire le plan d'action stratégique dans une démarche corporatiste. Adopter ce mode de régulation sociale faciliterait le développement stratégique du secteur touristique des sports d'eaux vives en Provence en valorisant une identité de territoire autour de la rivière.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.124
Threshold uncertainty score0.257

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0070.003
Scholarly communication0.0040.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0140.001

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.

Opus teacher head0.013
GPT teacher head0.229
Teacher spread0.216 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2004
Admission routes1
Has abstractyes

Explore more

Same venueAmericanae (AECID Library)Same topicFrench Urban and Social StudiesFrench-language works237,207