MétaCan
Menu
Retour à la cohorte
Enregistrement W7103167097 · doi:10.6084/m9.figshare.30500175

Asset mapping for sustainable tourism development in UNESCO’s Frontenac Arch Biosphere reserve

2025· article· W7103167097 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueEcology, Conservation, and Geographical Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainable developmentSustainabilityTourismAsset (computer security)LivelihoodBiosphereSustainable tourismCapital asset

Résumé

récupéré en direct d'OpenAlex

Tourism is an evolving sustainable development pathway for rural communities, which UNESCO biosphere reserves are well-positioned to contribute to. The potential benefits of rural tourism, however, have not always taken shape as predicted, or are sometimes distributed inequitably. Responding to a need for more strategic sustainable tourism development strategies that generate livelihood for rural communities, we conducted a geographic asset mapping case study in the Frontenac Arch Biosphere (FAB), Ontario, Canada. Working with community partners, this research aimed to identify and, where relevant, map the tangible and intangible assets that may support sustainable tourism development in the FAB and understand the challenges impeding these developments across the Biosphere’s three distinct zones. Through asset mapping workshops and interviews involving tourism operators, artisans, farmers, and conservationists, spatial and thematic findings were summarized and interpreted using a capitals framework, comprising seven types of capital identified in the literature as central to sustainable rural development and livelihoods. 128 tangible assets were mapped and a series of intangible assets were identified, including an ethic of sustainability and the capacity to teach, among others. These findings provide insights into how local assets, tangible and intangible, can be leveraged in a coordinated way to facilitate sustainable tourism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,259
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0750,000

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 Opus0,034
Tête enseignante GPT0,266
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

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 présentoui

Explorer davantage

Même revueFigshareMême sujetEcology, Conservation, and Geographical StudiesTravaux en français237 207