Tourisme et environnement post-COVID-19 : une analyse critique des tendances émergentes
Bibliographic record
Abstract
À partir d’une revue critique de littérature, cet article examine les principaux impacts environnementaux du tourisme post-2020, en distinguant les impacts amplifiés, réduits et émergents. Ces impacts sont illustrés par des exemples tirés de contextes géographiques variés. En fonction de ces impacts, l’analyse proposée montre, entre autres, la valorisation de quatre concepts écologiques dont : la régénération, la résilience, l’économie circulaire et la transition écologique, appliqués au domaine du tourisme. Si ces concepts ne sont pas entièrement nouveaux, ils ont gagné en visibilité et en pertinence au sein du secteur du tourisme, amenant ainsi un certain renouveau dans les discours en faveur de la durabilité. Cependant, nous montrons que leur utilisation et les transformations qu'ils induisent restent floues pour les acteurs du tourisme, soulignant la pertinence des recherches visant à mieux les transposer au tourisme, tant sur le plan théorique qu’appuyées par des données probantes.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".