MétaCan
Menu
Retour à la cohorte
Enregistrement W2806951742 · doi:10.3390/su10061925

How Do Conservation and the Tourism Industry Affect Local Livelihoods? A Comparative Study of Two Nature Reserves in China

2018· article· en· W2806951742 sur OpenAlexafffund
Weiye Wang, Jinlong Liu, Robert Kozak, Meng-meng JIN, John L. Innes

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesChina Scholarship CouncilMitacsNational Natural Science Foundation of China
Mots-clésLivelihoodTourismChinaBusinessGovernment (linguistics)Local governmentEconomic growthSustainable developmentNatural resource economicsEnvironmental planningEnvironmental resource managementEconomicsGeographyPolitical scienceAgriculture

Résumé

récupéré en direct d'OpenAlex

Drawing on a comparison of two different nature reserves (NRs) in China, this paper explores the effect of the establishment of the NRs and the associated tourism industry development on local livelihoods, and analyzes why they differed. One hundred semi-structured interviews were administered with local elites, villagers, and government officials to identify livelihood changes. Based on a modified sustainable livelihoods framework, we found that the livelihoods of people living in both NRs had improved, but there was a loss of traditional culture and weakened social connections. The provision of alternative livelihoods options was critical for local people, with these options needing to have strong connections to China’s development policies. The results point to the importance of providing alternative livelihood strategies when establishing new conservation areas. This requires holistic management plans that not only address conservation, but also consider the impacts on local people.

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)0,001
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 enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,268
Écart entre enseignants0,258 · 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

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207