MétaCan
Menu
Back to cohort
Record W7120871979

Trail classification by the degree of difficulty: use of geotechnologies in developing a model applied to Itatiaia National Park, Brazil

2016· dissertation· pt· W7120871979 on OpenAlexaboutno aff
Grislayne Guedes Lopes da Silva

Bibliographic record

VenueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2016
Typedissertation
Languagept
FieldPsychology
TopicRecreation, Leisure, Wilderness Management
Canadian institutionsnot available
Fundersnot available
KeywordsWork (physics)Nova scotiaContext (archaeology)Research methodologyDegree (music)
DOInot available

Abstract

fetched live from OpenAlex

As áreas protegidas são importantes espaços de conservação da natureza e de práticas turísticas e recreativas. A categoria de parques nacionais apresenta uma oferta natural, principalmente de trilhas para caminhadas, que proporciona ao visitante distintas experiências, porém nem sempre são garantidas qualidade e segurança como elementos inerentes à visitação turística. As trilhas abertas à visitação precisam apresentar sinalização e orientações mínimas, por meio de placas, folhetos, mapas e demais materiais informativos, para contribuir com a qualidade da experiência do visitante, ou seja, as trilhas devem ser planejadas, administradas e manejadas de maneira adequada. Neste contexto, esse trabalho discute um dos elementos essenciais da visitação em trilhas que é a necessidade de existir um sistema de classificação quanto ao grau de dificuldade, como parte integrante das ações de manejo da visitação turística, garantindo informações e contribuindo para a segurança do visitante. O principal objetivo do trabalho é elaborar um modelo para classificar trilhas de caminhada quanto ao grau de dificuldade, com o uso de geotecnologias. Para tanto, a área de estudo nesta pesquisa foi o Parque Nacional do Itatiaia (PNI), localizado na divisa entre Rio de Janeiro e Minas Gerais. Foram selecionadas para análise três trilhas localizadas na Parte Alta do parque, região conhecida como Planalto, quais sejam: Agulhas Negras, Prateleiras e Couto Prateleiras. O estudo apresenta uma abordagem qualitativa, com caminho metodológico delineado a partir de três etapas principais: 1) pesquisa bibliográfica e documental, e entrevistas com gestores do PNI, o que permitiu a seleção dos critérios utilizados para a análise do grau de dificuldade dessas trilhas: declividade, condições do terreno, cobertura vegetal e drenagem; 2) levantamento de dados geográficos em campo, com base nos critérios selecionados, a partir do mapeamento das trilhas com uso de receptor de Sistema Global de Posicionamento (GPS); e 3) aplicação de um modelo de classificação, com uso de técnicas de sensoriamento remoto, operações de álgebra de mapas e ferramentas de análises espaciais em um Sistema de Informações Geográficas (SIG), para produzir os mapas temáticos de acordo com o grau de dificuldade das trilhas. Na revisão de literatura foram identificados poucos estudos no Brasil; e ao mesmo tempo no mundo há diversos sistemas de classificação de trilhas, porém na maioria dos casos não há explicação clara sobre o método adotado, bem como não há referência quanto ao uso de geotecnologias na análise de dados; destaca-se o caso da Austrália por possuir um sistema nacional de classificação de trilhas bem estruturado. Por fim, identificou-se na pesquisa que a realização de análises espaciais deve ser considerada um dos principais alicerces do planejamento e gestão de recursos naturais e do turismo em áreas protegidas, sendo que os mapas servem tanto de apoio aos visitantes quanto para o manejo dos parques

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.008
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.167
Threshold uncertainty score0.332

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.008
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.002
Bibliometrics0.0020.002
Science and technology studies0.0010.001
Scholarly communication0.0030.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.077
GPT teacher head0.304
Teacher spread0.228 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)Same topicRecreation, Leisure, Wilderness ManagementFrench-language works237,207