Trails of Transformation: Balancing Sustainability, Security, and Culture in DMZ Walking Tourism
Notice bibliographique
Résumé
This study examines rural walking tourism as a sustainable strategy for revitalizing regional economies and preserving natural environments, focusing on the DMZ Punch Bowl in South Korea. Although rural walking tourism has been widely promoted for sustainability, little is known about its operation in geopolitically sensitive and militarized ecological zones, such as the Korean DMZ. Adopting the qualitative case study method, we explored three essential conditions for sustainable rural walking tourism: environmental friendliness, experiential immersion and sense of place, and local economic revitalization through stakeholder cooperation. We employed a hybrid thematic analysis using inductive and deductive coding to analyze the triangulated data collected from interviews, field observations, and policy documents. In-depth interviews with ten walking tourism experts revealed that storytelling that emphasizes local history, ecological conservation, and unique cultural identity enhances tourists’ emotional attachment and sense of place immersion. The DMZ Punch Bowl case was selected due to its effective integration of these elements, achieved through a collaborative governance structure involving government agencies, military units, and local communities. The findings highlight that coordinated management and stakeholder cooperation are crucial for balancing land use policies, ecological preservation, and tourism safety. Additionally, walking tourism significantly contributes to local economic growth through direct spending, job creation, increased resident incomes, the sale of local specialties, and participation in experiential activities. This study provides valuable insights and a replicable model for sustainably developing walking tourism in similarly sensitive or ecologically significant rural areas.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».