Questioning 'sustainability' of forest lands allocated and used for tourism in Turkey
Notice bibliographique
Résumé
Turkey is one of the leading tourism countries of the world. Tourism contributes to not only national economy but also regional development. Turkey has adhered to several international conventions regarding economic, socio-cultural and environmental sustainability. Nonetheless, since the onset of the 1980s, Tourism Encouragement Law’s main policies, along with the globalization and privatization, have developed mass tourism in Turkey, and led to continuous damage on the natural environment. Over the last thirty years, forest lands along the Mediterranean and Aegean coasts have been eradicated and over-exploited to a greater degree through the development of large-scale, inward-oriented and exclusive tourism investments, and second-home developments. This thesis investigates the extent to which forest lands in Turkey are allocated regarding ‘sustainability’ measures. It first makes a literature review on the notions of ‘sustainability’, ‘sustainable development’, ‘sustainable forest management’ and ‘sustainable tourism planning’, and examines institutional, stakeholder, policy and legal dimensions of tourism planning on forest lands in Canada and Australia, widely accepted with their advanced practices in the world to draw a theoretical framework and identify main components of ‘sustainability’. Second, it analyzes how far institutional, stakeholder, policy and legal structures in Turkey have accommodated the sustainability approach, while allocating forest lands to tourism. Then, it examines the recent development story of Belek Tourism Center (BTC) in Antalya by assessing ‘economic’, ‘socio-cultural’ and ‘environmental’ sustainability indicators. In the final part, the thesis underlines the major shortcomings and seeks to identify main policies for ‘sustainable’ allocation and use of forests for tourism in Turkey.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».