MétaCan
Menu
← Retour à la cohorte
Enregistrement W4245449055 · doi:10.32920/ryerson.14652942

Sustainable tourism in protected areas as a driver for environmental conservation and community development in Guatemala

2021· preprint· en· W4245449055 sur OpenAlexaff
Cesar R Gonzalez

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTourismVisitor patternBusinessEnvironmental planningSustainable tourismSustainable developmentProtected areaEcotourismNational parkEnvironmental resource managementSustainable managementSustainabilityNatural resourceGeographyEnvironmental protectionPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Developing sustainable tourism in protected areas is of interest because of their marketable settings for outdoor activities in natural environments and for their role in protecting cultural and natural assets. Managing and planning these areas for tourism poses challenges because of issues pertaining to income generation, community development, and visitor management. The region of Lake Izabal-Rio Dulce in Guatemala contains three protected areas – Cerro San Gil, Rio Dulce National Park, and Chocon Machacas – that are significant in protecting biodiversity but are not effectively managed for tourism. Through a case study and a multi-method approach to are not effectively managed for tourism. Through a case study and a multi-method approach to collect data, the perspectives of selected tourism planning and management organizations and tourists were investigated to gauge sustainable tourism initiatives and identify vulnerable zones in the protected areas. The findings show that community development has lagged, visitor management is required, and a greater extent of collaboration is needed to support sustainable management is required, and a greater extent of collaboration is needed to support sustainable 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 enseignants0,338
Score d'incertitude au seuil0,672

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 technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
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 Opus0,035
Tête enseignante GPT0,316
Écart entre enseignants0,280 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Aspects of Tourism Research→Travaux en français237 207→