The Impact of Rural Tourism on Rural Culture Evidence from China
Notice bibliographique
Résumé
The development of rural tourism plays an important role in promoting rural culture. By integrating 3833 household questionnaires from the 2020 China Rural Revitalization Survey (CRRS) database with remote sensing data, we constructed an evaluation system to measure the level of rural culture. Then, we analyzed the impacts of rural tourism on rural culture from macro and micro perspectives. Our research results show the following: (1) Villages with developed rural tourism show a 85.9% increase in rural culture compared to those without tourism; (2) mechanism tests show that rural tourism promotes the rural culture by improving households’ risk-sharing behavior, human resources, and self-identification, leading to increases of 3.4%, 55% and 10.9%, respectively; (3) with micro-level (fieldwork survey) and macro-level analysis (remote sensing), we analyzed the various impacts of rural tourism on rural culture under different income levels, demographic structures, geographical locations and topographical conditions. The results show that at the micro level, the promotion effect of rural tourism on rural culture increases by 2.214% and 1.679% with the increase in per capita income and the proportion of women, respectively. For geographical location, macro-level data suggest that rural tourism in the east of China increases the rural culture by 3.416%. Moreover, in plain areas, both micro- and macro-level analysis indicated that rural tourism promotes rural culture by 2.323% and 4.607%, respectively. This is the first time rural culture has been evaluated on a large scale with two cross-validated approaches.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».