Notice bibliographique
Résumé
This publication does not have an abstract. The introduction is displayed as the abstract. Wildlife-based tours in marine and coastal areas provide a range of psychological, educational and conservation benefits for visitors encountering marine animals (Higham, 1998; Drams, 2000; Schanzel and Mclntosh, 2000; Luck, 2003; Flnkler and Higham, 2004; Mayes et al.,2004; Hughes and Saunders, 2005; Tisdell and Wilson, 2005; Andersen and Miller, 2006). This chapter reviews and evaluates benefits for participants on marine wildlife tours. The focus is on non-consumptlve, free-ranging marine wildlife tourism where visitors can view, photograph, feed, and swim with, or assist in research on, marine animals in their natural habitats. Other broader participants include the marine tour operators, coastal and island communities in marine areas and researchers studying marine wildlife and/or tourists. Most research on marine wildlife tourism addresses environmental impacts on sea animals, industry compliance with codes of conduct and managing visitor interactions with marine species. However, this chapter reviews studies that primarily focus on tourist experiences of marine and coastal wildlife in Australia, New Zealand, Scotland and western Canada/USA. Much of this research on marine wildlife tourism is site or species specific and limited to one type of encounter. There is a need for more systematic, in-depth evaluation of marine wildlife tourism experiences and educational programmes to identify techniques that increase tourist benefits and knowledge, promoting attitude shifts and lifestyle changes (Samuels et al., 2003). In addition, both on-site and longer-term conservation behaviours that benefit marine wildlife and marine environments need to be explored. This chapter introduces marine wildlife tours and visitor benefits from marine wildlife encounters, then critically reviews the psychological, educational and conservation benefits of tourist participation in a range of marine wildlife experiences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,117 | 0,028 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».