Plany turystyczne mieszkańców miast w dobie pandemii COVID-19
Bibliographic record
Abstract
Celem opracowania jest przybliżenie planów turystycznych mieszkańców polskich miast w dobie pandemii wywołanej przez wirusa SARS-CoV-2. W badaniach posłużono się techniką ankiety internetowej. Kwestionariusz rozpowszechniony został na turystycznych grupach tematycznych, działających w serwisie Facebook. Osoby aktywne na Facebooku za pośrednictwem mediów społecznościowych przekazały swoim znajomym link do kwestionariusza ankiety. Wykorzystano tym samym metodę kuli śnieżnej, pozyskując 402 respondentów. Niespełna ¼ badanych deklarowała brak chęci wyjazdu turystycznego w 2020 r., głównie z powodu panującej pandemii i obawy przez zakażeniem koronawirusem. Zdecydowana większość badanych planowała przynajmniej jeden wyjazd turystyczny. Znaczna część z nich porzuciła jednak zamiar wyjazdów zagranicznych na rzecz wypoczynku w kraju. Respondenci deklarowali głównie chęć pobytu w hotelach i ośrodkach wypoczynkowych, jednocześnie oceniając te obiekty jako najmniej bezpieczne pod względem epidemiologicznym. Panująca pandemia był źródłem wielu obaw, ale badani znacznie bardziej martwili się podwyżkami cen niż możliwością zakażenia koronawirusem. Oczekiwano, że w obiektach noclegowych stosuje się dezynfekcję, a także przestrzega się obostrzeń w zakresie dystansu społecznego i noszenia maseczek.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.036 | 0.006 |
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".