Langkah Kecil-Dampak Besar: Walking Tour sebagai Kunci Pariwisata Berkelanjutan di Kampung Peneleh Surabaya
Notice bibliographique
Résumé
Title: Small Steps-Big Impact: Walking Tour as Key to Sustainable Tourism in Kampung Peneleh Surabaya A way to preserve historical areas through tourism is by organizing walking tours. Recently, there has been a surge in walking tours offering experiences in spatial and architectural history for both domestic and international tourists. One example is the locally organized walking tours. However, studies focusing on tourist experiences during these walking tours, directly involving tourists as participants, are still limited. Identifying observation points along the walking tour route is crucial to determine which sites elicit positive or negative responses from participants. This article aims to explore tourists' spatial and architectural experiences and assess the contribution of walking tours to sustainable tourism. The research focuses on a case study in the historical village of Peneleh, Surabaya, where walking tours are conducted by a tourism awareness group (pokdarwis). The study employs a qualitative approach, utilizing observation and photo surveys, with six tourists serving as participants who joined other tourists on a walking tour package. The results show 154 photos representing four participant responses: liked photos (50.6%), disliked (10.4%), helpful during the tour (19.5%), and areas needing improvement (19.5%). Participants captured liked objects while also noting areas that require improvement. Additionally, walking tours offer broader access to various tourist sites that are not always open to the public. Those initiated by Pokdarwis can be sustainable tourism activities, continually innovating tour themes and offering new experiences for 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.
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 | 0,003 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».