MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417213383 · doi:10.18280/ijsdp.201032

Integration of Blue Economy and Business Continuity Plan in Strengthening the Economic Resilience of Coastal Communities in Southern Java, Indonesia

2025· article· W4417213383 sur OpenAlexvenueno aff
Forijati Forijati, Marista Dwi Rahmayantis, Mumun Nurmilawati, Susi Damayanti

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Plan (archaeology)Business continuityPsychological resilienceSustainability

Résumé

récupéré en direct d'OpenAlex

This study aims to analyze the role of the blue economy and government support in strengthening the economic resilience of coastal communities in southern Java through the mediation of a Business Continuity Plan (BCP).The research methodology uses a quantitative approach with surveys in four coastal districts, analyzed through a structural equation model.The results indicate that the blue economy does not directly influence economic resilience but significantly contributes through the BCP, with its effectiveness depending on community awareness and capacity to develop adaptive and sustainable business planning.Conversely, government support is proven to have both direct and indirect impacts, through policies, training, infrastructure, and technical assistance that strengthen the local economic foundation while promoting the implementation of the BCP.These findings emphasize that BCP serves as a strategic mechanism linking the blue economy and government support to enhance the economic resilience of coastal communities.This study provides theoretical implications for the development of coastal-based economic resilience literature, as well as practical implications for the formulation of sustainable development policies, emphasizing the integration of adaptive planning and government community collaboration to create a resilient coastal business ecosystem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of Sustainable Development and Planning→Même sujetCoastal and Marine Management→Travaux en français237 207→