Eaux troubles : Les navires de croisière au temps de la COVID-19
Bibliographic record
Abstract
Les navires de croisière géants évoquent des rêves d’opulence, de luxe et de divertissement mêlés à une promesse de découverte culturelle. Malgré leur popularité montante et réussite économique constante, les critiques parfois virulentes accusent l’industrie des croisières de contribuer au surtourisme, de polluer, de sous-payer des travailleurs ou de poursuivre leurs activités dans des territoires juridiques nébuleux. Naviguant avec succès à travers la pression mondiale vers la durabilité, même des épisodes importants d’épidémies de rotavirus, norovirus ou E. coli n’ont pas réussi à faire flancher ses activités. La production de navires toujours plus monumentaux, intégrant des technologies ultramodernes, innovations robotiques et numériques, illustre la folie de grandeur dans laquelle est plongé ce modèle économique. Alors que rien ne semble ébranler ce secteur touristique, l’entrée en jeu de la COVID-19 est vraisemblablement en train de changer la donne. Depuis la fermeture des ports, l’arrêt complet des activités croisiéristes partout dans le monde, et pendant que les opérateurs s’opposent farouchement aux règles de distanciation physique à bord, le démantèlement et la vente accélérée de navires par plusieurs compagnies annoncent la descente aux enfers. En temps de COVID-19, l’imaginaire romantique des navires de croisière se transforme en bombe flottante à retardement et incubateur viral au service de la pandémie. Microcosme de la mondialisation et représentant par excellence des mobilités inégales du tourisme mondial, plus de 60 000 membres d’équipages sont toujours naufragés à la dérive après trois mois de pandémie, coincés dans les filets de la crise. La croisière ne s’amuse plus ; le nouveau virus l’a placée sous les projecteurs et on entame son procès.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".