Optimization research on the integration development path of agricultural, cultural and tourism industries in Yijun County based on data analysis
Notice bibliographique
Résumé
This paper firstly constructs a coupled evaluation index system based on three primary indicators, seven secondary indicators and 29 tertiary indicators for agriculture, culture and tourism.Then the entropy weight-TOPSIS method and the coupling coordination degree model are selected to measure the development of agriculture, culture and tourism industry and the coupling level in Yijun County respectively.Finally, 23 spatially related villages in Yijun county area are selected to reveal the reasons for their spatial differences with spatial measurement model, and analyze the factors affecting the coupled and coordinated development of agricultural, cultural and tourism industries in Yijun county area.From the comprehensive evaluation results, the trend of the development level of agriculture, culture and tourism in 2017-2023 was generally upward, in which the agriculture industry had the highest growth between 2022 and 2023, with an increase of 0.0445.After analyzing the factors influencing the development of the coupled agriculture, culture and tourism industries in the Yijun county region by applying the spatial Durbin model, it was found that the general budget expenditures, human capital, infrastructure construction, fixed asset investment and education investment in the region at a significant level of 0.01 correlation of 0.211, 0.03, 0.082 and 0.085, and education investment in the region at a significant level of 0.1 correlation of 0.211.These five factors significantly affect the Yijun County region agriculture, culture and tourism industry, and deepen the development of integration of tourism industry.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».