Actividad turística y los impactos en el centro poblado de Llamac, distrito de Pacllón, Bolognesi - Ancash, 2020
Bibliographic record
Abstract
El presente estudio arribo de la siguiente pregunta: ¿Cuál es la relación que existe entre la actividad turística y los impactos en el Centro Poblado de Llamac, Distrito de Pacllón, Bolognesi – Ancash, 2020?, donde se integró el objetivo determinar la relación que existe entre la actividad turística y sus impactos en el Centro Poblado de Llamac. La investigación fue de tipo aplicada, con enfoque cuantitativo, manteniendo un nivel correlacional y diseño no experimental - corte transversal, estableciendo una muestra de 132 personas pertenecientes al Centro Poblado de Llamac, a quienes se les aplicó la técnica de encuesta y el instrumento fue el cuestionario. Dando como resultado que el 71,2% mantiene un nivel regular sobre la actividad turística, el 48,5% señalan un nivel medio sobre los impactos, dentro de ellos se tiene el impacto económico con 43,2% teniendo un nivel medio, en el impacto sociocultural donde el 61,4% mantuvo un nivel notable y en el impacto ambiental se presentó un nivel medio con 53%. Concluyendo que la actividad turística tiene una relación significativa en los impactos del Centro Poblado de Llamac, manteniendo un coeficiente de correlación 0,594.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".