Policy of Disaster Mitigation and Post-Disaster Sustainable Tourism in Indonesia: Case Study of Tanjung Lesung Marine Tourism Banten
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tanjung Lesung was a coastal tourist destination identified as a national strategic project for provincial economic development.It is located in Banten, Indonesia, and became a difficultto-revive tourist attraction after the tsunami disaster in 2018 and the COVID-19 pandemic.Strategic steps are needed to ensure optimum promotion and development of sustainable tourism policies.The research objects were the community around Tanjung Lesung, the Regional Government, and other stakeholders related to developing post-tsunami marine tourism in Tanjung Lesung.The method used was mixed-method research with quantitative and qualitative data analysis techniques.The study results showed a significant effect between tourism mitigation, tourism security, and sustainable tourism policies on marine tourism development in Tanjung Lesung.Furthermore, qualitative data show that the tsunami disaster and the COVID-19 pandemic have contributed negatively to developing marine tourism potential in Tanjung Lesung.Therefore, several efforts are needed to reduce these impacts.Tourism mitigation efforts need to minimize the impact of risks and improve the ability to adapt to disaster threats.Furthermore, a sense of security needs to be created for tourists while enjoying marine tourism destinations, and sustainable tourism policies need to be implemented to reduce the negative impacts of tourism.Therefore, several policy recommendations must be implemented: First, crisis management policies; Second, environmental and climate mitigation policies; Third, infrastructure and spatial planning policies; Fourth, sustainable tourism development policies; and Fifth, education and disaster response policies for tourism businesses, communities, and tourists.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle