Construire l’image d’une destination touristique dans un paysage en changement : défi d’articulation autour de l’éolien en Gaspésie (Canada)
Bibliographic record
Abstract
L’article s’intéresse au processus de construction de l’image d’une destination touristique dans un contexte de changements paysagers importants. Ce processus est abordé à partir du concept de circuit des représentations, bâti sur l’interaction entre l’image promotionnelle, les représentations des touristes et les paysages visibles. Selon notre hypothèse, l’image d’une destination serait d’autant plus forte que ces trois dimensions sont cohérentes. Avec l’implantation de plusieurs grands parcs éoliens, entraînant de notables changements paysagers ces dernières années, le cas de la région de la Gaspésie, au Canada, apparaît pertinent pour éclairer un tel processus. En examinant à la fois le travail sur l’image promotionnelle de la région et les pratiques de visiteurs que l’on y observe, nous montrons que, malgré promotion qui ne prend pas en compte la présence des éoliennes et les changements paysagers, le circuit des représentations de la Gaspésie touristique n’est pas brisé : les touristes amortissent certains décalages entre l’image promotionnelle véhiculée sans éolienne et la réalité des paysages de la destination qu’ils rencontrent, avec éoliennes. Par ce travail sur le processus de construction de l’image d’une destination, notre recherche vise, plus largement, à éclairer les impacts et les enjeux relatifs à l’introduction de la filière énergétique de l’éolien dans une région dont l’économie actuelle s’appuie en partie sur l’industrie touristique.
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 | 0.002 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".