Bibliographic record
Abstract
Outre les emplois directs et indirects qui découlent de l’exploitation de la ressource forestière, force est de considérer le nombre croissant d’individus fréquentant la nature pour y pratiquer diverses activités de plein air, et ce, aussi bien au Québec qu’ailleurs dans le monde. On remarque également l’intérêt marqué pour les communautés locales et territoriales envers la conservation et la restauration de sites naturels forestiers. Or la conjoncture actuelle du secteur d’exploitation de la ressource ligneuse de la forêt met particulièrement en évidence les limites d’une vision mono-industrielle, à faible valeur ajoutée et non durable (surexploitée) du développement forestier. Dans ces conditions, comment assurer la mise en valeur du plein potentiel touristique, écotouristique et récréatif de la forêt ? L’originalité de cet ouvrage est d’exposer le lecteur à une diversité d’initiatives touristiques et récréatives de mise en valeur durable de la forêt grâce à une approche territoriale, dont la logique repose sur le développement d’un savoir-faire par les principaux intéressés à partir des potentiels inhérents à la structure des territoires forestiers. Les différents chapitres abordent les principaux enjeux qui touchent la mise en tourisme des territoires forestiers, notamment par la présentation d’études de cas internationaux et québécois.
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 | 0.000 | 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 | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.025 | 0.002 |
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".