Developing a Decision Support System for Sustainable Management of Community-Based Ecotourism: A Case Study of CMC Tiga Warna
Notice bibliographique
Résumé
Ecotourism, aimed at appreciating and preserving biodiversity and natural ecosystems while providing economic and social benefits to local communities, faces complexity in management, requiring careful consideration to balance economic, social, and environmental aspects.Decision-making in ecotourism management involves various stakeholders, including government, NGOs, industry players, and local communities.CMC Tiga Warna in Indonesia is a highly potential ecotourism destination but poses challenges in environmental sustainability while meeting the economic and social needs of the local community.Thus, developing a decision support system (DSS) for sustainable community-based ecotourism management becomes crucial.This study aims to develop and implement a DSS based on priority actions, considering biodiversity, local community welfare, environmental and financial sustainability.Utilizing a community-based approach, the study engages local stakeholders and analyzes priority management actions across eight dimensions.Multi-criteria techniques like PROMETHEE will determine the best management actions to address challenges and opportunities for sustainable ecotourism management.The research contributes to sustainable management strategies for ecotourism in CMC Tiga Warna and provides a foundation for similar DSS development in other ecotourism contexts.It underscores the importance of holistic and sustainable ecotourism management for achieving economic development while conserving the environment, serving as a model for creating sustainable ecotourism environments worldwide.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».