MétaCan
Menu
Retour à la cohorte
Enregistrement W4395955964 · doi:10.18280/ijsdp.190411

An Application of the Stakeholder Theory and Proactive-Reactive Disaster Management Principles to Study Climate Trends, Disaster Impacts, and Strategies for the Resilient Tourism Industry in Pokhara, Nepal

2024· article· en· W4395955964 sur OpenAlexvenueno aff
Nishanta Sharma, Vilas Nitivattananon, Takuji W. Tsusaka, Rishikesh Pandey

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensnon disponible
Organismes subventionnairesAsian Institute of Technology
Mots-clésTourismStakeholderEmergency managementBusinessEnvironmental planningEnvironmental resource managementStakeholder theoryStakeholder engagementClimate changeGeographyEnvironmental sciencePolitical scienceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This research investigates climate trends, disaster impacts, and the tourism and hospitality industry in Pokhara, Nepal by employing the stakeholder theory and proactive-reactive disaster management principles.A mixed-methods approach assessed geospatial climate trends, past disaster impacts, and future risks.Quantitative data collected from 150 hospitality enterprises via a structured questionnaire and qualitative data from key informants were analyzed using trend tests, multinomial and probit regressions, and thematic analysis.The results indicate climatic disasters as a major threat to the industry, impacting local economies and the revenue of enterprises.Managerial awareness of sustainable practices and enterprise size influence disaster experiences and preparedness.The findings underscore the roles of stakeholder perspectives, green technologies, education, and enterprise size in enhancing disaster preparedness and long-term resilience.Further research should strive to translate sustainability awareness into actionable disaster preparedness recommendations for stakeholders.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,334
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetDisaster Management and ResilienceTravaux en français237 207