Quantifying Ecological, Economic, Social, and Governance Attributes for Urban Forest Eco-Tourism Using MDS-RAPFISH Approach
Notice bibliographique
Résumé
Urban forests play a crucial role in ecological conservation and environmental preservation in urban environments.Their sustainability is vital given the mounting ecological and environmental pressures they face.This study aims to identify factors influencing the sustainability of forest management in terms of ecological conservation and eco-tourism, with a focus on Dumai's urban forest.We employed a Multidimensional Scaling (MDS) approach using the RAPFISH (Rapid Assessment Technique for Fisheries) program for our analysis.The results indicate that the Dumai forest ecosystem falls into the moderate category, while its sustainability level is considered less sustainable across four dimensions: ecological, social, economic, and governance.Leverage analysis identified several sensitive attributes for the sustainability of forest management, including three ecological attributes (vegetal diversity, tree species density, animal diversity), four economic attributes (job and business opportunities, multiplier effect, non-tax revenue, community income), five social attributes (level of education, society participation, conflict, community perception, public communications), and four governance attributes (regional information database, monitoring and evaluation system, human resources, infrastructure).These findings underscore the necessity of balancing the ecological and socio-economic functions of the Dumai urban forest for ecological conservation and eco-tourism.By employing the Multidimensional Scaling (MDS) approach, this study offers new insights into the comprehensive understanding of the factors affecting the sustainability of forest management practices, and their impacts on ecological conservation and eco-tourism within an urban context.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».