Supporting Sustainable Island Tourism Through Infrastructuring Co-Design: A Case Study From Mayu Island
Notice bibliographique
Résumé
Island tourism faces challenges due to evolving issues and limited participation from diverse and marginalised groups, undermining efforts towards sustainability. To address these challenges, this study advances a co-design approach that foregrounds the role of infrastructure as an enabling foundation for ongoing participation and collaborative innovation. It draws on a six-month co-design project on Mayu Island in Southeast China, a community in transition from fishing to tourism. Instead of directly proposing solutions or development ideas, the design teams engaged government officials, business owners, residents, and tourists through a set of socio-material arrangements, including mapping, an interactive exhibition, and co-design workshops. This process yielded two collaboratively developed solutions: a new cleaning schedule to address beach litter and the repurposing of an underutilised parking lot to support vendors. Building on these outcomes, a co-design infrastructure is proposed, comprising three interconnected components: mapping (surfacing complex relationships), narrating (embedding lived narratives), and deriving (enabling exploration of new possibilities). The findings demonstrate how the co-design infrastructure process brings diverse voices to the surface, fosters collective meaning-making, and supports adaptive problem-solving. Furthermore, the features of islandness specific to Mayu Island are analysed to highlight how they shape co-design strategies and outcomes, reinforcing the importance of context-sensitive approaches in island settings. Ultimately, the study demonstrates how co-design infrastructure processes can support more grounded and enduring forms of island tourism development.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».