Evaluating Policy Environment for Community-based Rural Tourism: Multi-Actor Perspectives in Tourism Value Chain
Notice bibliographique
Résumé
Tourism policies are essential in the development of community-based rural tourism (CBRT). In practice, their implementation requires a favorable policy environment. However, the CBRT literature has not investigated the policy environment and the holistic interactions between government-community relations, inter-agency coordination, and other complex challenges relevant to CBRT policies. Involving multiple CBRT actors, this study aimed to evaluate the policy environment in the development, implementation, and evaluation of CBRT-related policies. Using Tourism Value Chain (TVC) as the conceptual framework and considering the aspects of Tourism Value Webs (TVW), this research employed qualitative interviews with government officers. In addition, this study included archival research on policy documents and questionnaire surveys among community members in multiple case studies as an added triangulation. The case studies involved 49 tourism villages in Sleman Regency, Yogyakarta, Indonesia. The regency has embraced the community-based tourism (CBT) concept for rural development by creating tourism villages. Multiple institutions in the regency work with academia and the business sector in support of the communities in developing tourism villages, forming a multiple helix structure. Despite some limitations in the policy documents, the main stakeholders in Sleman Regency can organically coordinate and cooperate to take care of all TVC phases, implying their commitment and consciousness to achieve self-reliance in CBRT development. These findings imply that the policy environment for CBRT policies is dynamic. It thus requires all stakeholders to conduct a more proactive and adaptive approach to policy evaluation, enabling enhanced support for the long-term success and sustainability of CBRT initiatives.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».