MétaCan
Menu
Retour à la cohorte
Enregistrement W1999816584 · doi:10.5539/mas.v7n2p33

An Analysis of the Environmental Vulnerability Index of a Small Island: Lipe Island, Kho Sarai Sub-District, Mueang District, Satun Province, Thailand

2013· article· en· W1999816584 sur OpenAlexvenueno aff
Nutsurang Pukkalanun, Wasin Inkapatanakul, Chucheep Piputsitee, Kasem Chunkao

Notice bibliographique

RevueModern Applied Science · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCruise Tourism Development and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismGeographyVulnerability indexVulnerability (computing)Index (typography)Environmental protectionSocioeconomicsArchaeologyEcologyClimate change

Résumé

récupéré en direct d'OpenAlex

Thailand is located in South East Asia and is a popular tourist destination. It is rich in both natural resources and culture. There are 691 islands in Thailand, and more than 214 of these islands are used for tourism. Koh Lipe is very Small Island of approximately 2 square kilometers, located in Talutao National Park in the southern part of Thailand. This research aims to assess the sensitivity of the Island in terms of tourism development by using the Environmental Vulnerability Index, or EVI. The results showed that the EVI of Lipe Island is approximately 5.7, which represents a very high vulnerability score. Particularly, the REI, the level of risk to hazard, which measures influences on the environment within the island (e.g., loss of forestry, tourist accommodation, waste water and solid waste) was approximately 6.2, while the EDI, the natural resilience of the state based on its native characteristics, (e.g. water resources, protected area, marine protected area, and law enforcement), was approximately 5.7. This is also a very important indicator of the vulnerability of the Island. Thus, to reduce the overall vulnerability of the island, all indicators included in the REI and the EDI must become management priorities. Over time, this will increase the immunity of the island to of the impact of tourism development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetCruise Tourism Development and ManagementTravaux en français237 207