Bases teórico – conceptuales de la gestión turística en espacios naturales no protegidos
Bibliographic record
Abstract
El propósito del trabajo fue establecer las bases teórico – conceptuales de la gestión turística en espacios naturales no protegidos; para lo cual se desarrollaron tres etapas: la identificación de núcleos teóricos, la modelación de la gestión y la clasificación de los espacios, mediante métodos y técnicas, tanto del nivel teórico como del empírico, de este último fueron muy importantes la realización de un Foro online y el uso de un grupo de expertos. De la investigación resultó que los espacios naturales son las formas que adquiere el espacio geográfico, con bases definidas en función de los elementos bióticos y abióticos, los que se supone que no hayan sido modificados por el hombre, sin embargo, es muy difícil la existencia de espacios netamente salvajes. Las áreas protegidas están delimitadas por otros espacios naturales no protegidos, en los que existen recursos y atractivos que pueden generar centralidad para el impulso de actividades turísticas. La conceptualización de espacios naturales no protegidos y la modelación de la gestión turística en ellos, contempló tres ejes esenciales: los flujos de visitantes, los actores y su manejo, lo que conlleva su desarrollo como territorios receptores. La clasificación propuesta para los espacios naturales no protegidos, estructurada en tres niveles y nueve categorías, que resultaron adecuadas, eficientes y de un elevado grado de sencillez y cientificidad, para su puesta en práctica, según los criterios de expertos, con muchos años de experiencia en su trabajo y concordancia en los criterios emitidos durante la valoración.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.014 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".