MétaCan
Menu
Retour à la cohorte
Enregistrement W2164280988 · doi:10.21083/surg.v6i1.2019

Tourism in Kenya's national parks: A cost-benefit analysis

2012· article· en· W2164280988 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueSURG Journal · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésTourismPopularityWildlifeBusinessCost–benefit analysisNatural resource economicsEnvironmental planningEnvironmental resource managementBiodiversityEnvironmental protectionGeographyEconomicsPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

East Africa is home to some of the most stunning wildlife in the world. With tourism in the region’s wildlife parks growing in popularity, it is imperative to evaluate the socioeconomic and environmental costs and benefits of this expanding industry. This study conducted a cost-benefit analysis of the various impacts that tourism has brought to Kenya’s national parks by monetarily valuating each impact. While the results of this cost-benefit analysis suggest that the benefits far outweigh the costs, even when non-measurable costs are considered, a number of fundamental issues must be addressed in order to improve the cost-benefit balance. The results are likely to be representative of the overall state of tourism in Kenya’s national parks and expose key areas where improvements can be made. Improvements to tourism in Kenya’s national parks can have positive implications for local people, the environment, wildlife species, tourists, and biodiversity conservation. Keywords: tourism; national parks; Kenya; cost-benefit analysis

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,027
Score d'incertitude au seuil0,997

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,087
Tête enseignante GPT0,241
Écart entre enseignants0,153 · 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