Factores que inciden en la competitividad turística de los municipios de Coveñas y Santiago de Tolú /
Bibliographic record
Abstract
La presente investigación analizó los factores que inciden en la competitividad turística de los municipios de Coveñas y Santiago de Tolú, ubicados en el departamento de Sucre, al norte de Colombia. Para estos efectos, primero, se realizó una caracterización de los aspectos socioeconómicos relevantes para el desarrollo del sector turístico en estos municipios. En segunda instancia, se determinaron los factores claves que impactan en las condiciones actuales y potenciales de competitividad en estos dos destinos de sol y playa. En este sentido, se aplicó encuesta a una muestra representativa de administradores y/o propietarios de alojamientos y restaurantes, así como a funcionarios de entidades pertenecientes a los sectores público y privado - descrita en la sección metodológica-a partir de las dimensiones y variables del modelo de competitividad de destinos turísticos de Calgary, propuesto por Crouch & Ritchie. A partir de lo anterior, el estudio también identificó los esfuerzos realizados por los sectores público y privado para mejorar la competitividad turística de los municipios, lo cual sirvió como base para conocer el estado actual y las proyecciones que tenían las administraciones municipales para promover el desarrollo del sector. Por último, se propusieron estrategias que apuntan al mejoramiento de la competitividad y el desarrollo sostenible de los destinos de Coveñas y Santiago de Tolú en el departamento de Sucre
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".