Recreational uses and motivations of visitors in seaside wetlands of costa brava (Spain)
Notice bibliographique
Résumé
Seaside wetlands bring together a huge quantity of services and functions, especially ecological and social.All of them depend on the ecological quality of ecosystems and on the equipment and service that allow them to be enjoyed.Tourism is an economic segment, carrying an important weight in most coastal regions around the world.Hence a complete environmental management of seaside wetlands should include the touristic perspective.In this communication, we analyse usage and motivation in three seaside wetlands of the Costa Brava (Spain) through a survey realized in the months of the highest occurrence of visitors (from June to September 2015).From the results, we highlight the high number of visitors who use the sites for recreational purposes (49%), such as running or cycling, in comparison with visitors who stated aesthetic motivations (16%).Many visitors also stated no motivation for visiting the sites (31%); they use them as car parks to go to the beach or as a byway to other sites.On the other hand, most visitors stressed the landscape (30%) or the degree of naturalness (29%) as a positive element of seaside wetlands, while the majority of negative elements are linked to bad management of the site (36%).When we requested a landscape valuation in a five-point scale, a significant number of high values were shown.Furthermore, we found a link between evaluation and tourism typology (local, national or foreign, lodged or excursionist) and motivation for visit (recreational, aesthetic or without).The principal conclusion is that, despite the fact that the main uses of the seaside wetlands are recreational, tourists appreciate landscape quality and degree of naturalness in sites where they develop their activities.This assigns to tourism, especially seaside tourism, an active role in conservation of seaside wetlands.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».