MétaCan
Menu
Retour à la cohorte
Enregistrement W2142515845 · doi:10.5539/enrr.v4n1p117

Management Effectiveness and Potential for Tourism of Peri-Urban Lusaka National Park, Zambia: A Preliminary Assessment

2014· article· en· W2142515845 sur OpenAlexvenueno aff
Vincent R. Nyirenda, V. Siamudaala, Milimo Kaula

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeNational parkEnvironmental resource managementWildlife managementGeographyTourismEnvironmental planningProtected areaEcotourismEnvironmental protectionEcologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Management effectiveness of a park is multi-faceted subject with implications on various aspects of its existence. Determination of the management effectiveness of a protected area is often linked to monitoring processes. Wildlife monitoring is a critical component of wildlife management and integral part of a research programme for Lusaka National Park (49.76 km2). A preliminary study was undertaken to determine the protected area management effectiveness, initially by ascertaining the status and distribution of mega-fauna resources. This was followed by evaluating whether the park management was effective by using status of wildlife populations as surrogate in comparison to initial wildlife stocks. Helicopter and ground line transects, historical data and field patrol data were used for analyses of park’s management effectiveness and potential for ecotourism. Though the study has locally relevant findings, insights on persistence factors such as selection of translocated wildlife, resource ecology and management can benefit park ecologists, managers and other stakeholders especially those responsible for smaller parks of less than 100 km2. However, further research is recommended on wider management effectiveness elements to understand factors affecting the park’s management effectiveness.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,066
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,280
Écart entre enseignants0,269 · 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 tête enseignante, 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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetWildlife Ecology and ConservationTravaux en français237 207