MétaCan
Menu
Retour à la cohorte
Enregistrement W4366768955 · doi:10.37811/cl_rcm.v7i2.5610

Emociones que genera el paisaje y su implicancia como potencial Ecoturístico. El caso del Parque Nacional Cerros de Amotape, Perú

2023· article· es· W4366768955 sur OpenAlexaff
Mag. Pablo Esteban Marticorena Landauro, Wilser Renán Castillo Carranza, Armina Isabel Morán Baca, Luis Alberto Puño Rojas

Notice bibliographique

RevueCiencia Latina Revista Científica Multidisciplinar · 2023
Typearticle
Languees
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensWSP (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeographyArt

Résumé

récupéré en direct d'OpenAlex

El estudio tuvo como objetivo determinar si las emociones que genera paisaje tienen implicancia en el potencial ecoturístico del Parque Nacional Cerros de Amotape (PNCA), Tumbes, Perú; con base en la perspectiva de la demanda turística potencial. El tipo de investigación fue no experimental, correlacional, transversal y prospectiva, se aplicó un cuestionario con escala Likert a una muestra de 383 ciudadanos peruanos residentes en áreas urbanas del departamento de Tumbes, en edad de trabajar y con nivel educativo superior alcanzado. Se utilizó el método directo de subjetividad representativa y una adaptación de la escala de emociones planteada por Fredrickson (2009) para medir las emociones que genera el paisaje y se evaluó el potencial turístico en función de la actitud de la demanda potencial hacia las instalaciones y servicios ecoturísticos y su intención de realizar ecoturismo en el PNCA. Los hallazgos evidencian que existe una asociación positiva entre las emociones que genera el paisaje y una actitud favorable hacia la práctica de actividades ecoturísticas en el PNCA, siendo el paisaje un elemento motivador de desplazamientos turísticos desde las zonas urbanas hacia entornos rurales.

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)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,508
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0060,003
Communication savante0,0020,001
Science ouverte0,0040,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,031
Tête enseignante GPT0,354
Écart entre enseignants0,323 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiencia Latina Revista Científica MultidisciplinarMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207