L’industrie touristique côtière de la MRC de Rimouski-Neigette s’adapte-t-elle aux changements climatiques ?
Bibliographic record
Abstract
La vulnérabilité des activités touristiques côtières face aux conséquences des changements climatiques n’est plus à démontrer. L’objectif est ici de comprendre comment les parties prenantes du tourisme côtier élaborent des mesures adaptatives afin de surmonter les effets des changements climatiques. Le territoire considéré est celui de la MRC Rimouski-Neigette, où les ondes de tempête, l’érosion côtière et la submersion marine sont présentes. Les dommages causés aux bâtiments d’ici 2065 sont estimés à 96 millions de dollars (Bernatchez et al., 2015). Pour répondre à l’objectif de l’étude, une méthodologie qualitative par entrevues semi-dirigées auprès des acteurs clés a été favorisée. Les résultats montrent notamment que les organisations touristiques sont conscientes de la problématique et mettent en place diverses mesures d’adaptation, alors que les responsables gouvernementaux, de concert avec les scientifiques et les OBNL, documentent les phénomènes, développent des techniques d’adaptation et vulgarisent les connaissances sur le sujet. La pertinence sociale de cette étude est manifeste et est en ligne droite avec l’axe 5 du Plan d’action pour un tourisme responsable et durable 2020- 2025 du ministère du Tourisme particulièrement dans l’accompagnement des parties prenantes dans l’adaptation aux changements climatiques.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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.
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".