Coastal Adaptation and Vulnerability Assessment in a Warming Future: A Systematic Review of the Tourism Sector
Notice bibliographique
Résumé
The uncertainty behind a warming climate produces significant risk for communities that rely on tourism, but vulnerability assessment can help inform planning for adaptation and mitigation efforts. Since coastal regions have significant tourism economies, and rely on the tourism sector for socio-economic stability, we seek to understand how assessments of vulnerability have been applied in coastal communities by systemically assessing literature that describes the concepts of adaptation, resilience, and vulnerability. We conducted a systematic search across three peer-reviewed journal databases (Web of Science, Scopus, and PubMed) to compare the types of methods and models used to determine coastal adaptation and vulnerability in various geographical and demographic settings. The systematic process found 205 unique articles; 143 were deemed relevant as they focused on adaptation, resilience, or vulnerability assessment. A qualitative analysis of the key themes of relevant studies, identified using thematic coding, found that vulnerability and adaptation research in tourism-based coastal communities is predominantly done through qualitative methods, researched more frequently in higher-populated areas of Europe and North America, have a focus on water as a driver of vulnerability, focus on socio-economic impacts of vulnerability, and emphasize locally-based knowledge in understanding adaptive capacity. Bibliometric analysis of citations and mentions in social-media reveal a larger number of papers with a higher citation rate focused on coastal-based systems (salt-water) with an emphasis on regional studies rather than those with a specific urban or rural focus. We found few studies aimed at coastal communities using tourism operators as informants, but rural coastal communities had higher social-media metrics indicating their comparative public importance. Thus, we highlight the need for locally-informed case studies in vulnerability and adaptation assessment for small coastal communities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».