Une approche participative pour évaluer les risques et les opportunités touristiques dans un contexte climatique en évolution au Québec (Canada)
Bibliographic record
Abstract
Kate Germain Kate co-coordonne le programme Tourisme (changements climatiques) à partir de la Chaire de tourisme Transat de l’ESG UQAM en partenariat avec Ouranos. Elle détient 10 ans d’expérience en recherche appliquée et en veille stratégique en tourisme. Elle est diplômée en administration des affaires, spécialisation tourisme et en gestion de l’environnement. Claude Péloquin Directeur des études à la Chaire de tourisme Transat de l’ESG UQAM, Claude Péloquin compte 20 ans d’expérience dans l’industrie touristique. Nommé subséquemment directeur et 2e vice-président au sein du conseil d’administration de TTRA Canada de 2012 à 2014, il est aussi diplômé à double titre en gestion du tourisme et de l'hôtellerie ainsi qu'en administration des affaires, concentration finance. Stéphanie Bleau Au sein d’Ouranos, un consortium de recherche sur les changements climatiques, elle co-coordonne les programmes Tourisme et Environnement nordique. Elle détient une maitrise en sciences de l'eau de l'Institut national de la recherche scientifique à Québec. Ses expériences professionnelles en milieu nordique, en planification d’évènements urbains majeurs, en tourisme hivernal et côtier lui confèrent une expertise d’affaires diversifiée.
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 | 0.037 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".