Daten exportieren

 

Forschungsprojekt ::
Nachhaltige Anpassungs- und Innovationsstrategien an den Klimawandel für den wintersportfokussierten Tourismus am Beispiel des Bayerischen Waldes

Projektbeschreibung

Der im Rahmen der Diskussion um den Klimawandel bislang vernachlässigte Bereich des Wintersporttourismus in Mittelgebirgslagen soll am Beispiel des Bayerischen Waldes erstmals tiefergehend untersucht werden. Während andere Teilprojekte des Clusters sich schwerpunktmäßig mit Fragen der Ökologie beschäftigen, sollen vor allem ökonomische und (in Erweiterung mit zusätzlichen Projektpartnern) soziale Folgen der Entwicklung problematisiert sowie insbesondere mögliche Adaptionsstrategien durch theoriegeleitete, empirische Forschung erhoben werden. Neben den konkreten Resultaten (identifizierte Strategien und eine Steigerung des Problembewusstseins vor Ort) soll auch der Frage nachgegangen werden, inwieweit sich funktionstüchtige, aktivierte Netzwerke als Wettbewerbsvorteil bei der Bewältigung der Folgen des Klimawandels bewähren, indem sie zu einem deutlich pro-aktiveren Umgang mit der Thematik führen. Dabei sollen drei Gemeinden im Bayerischen Wald untersucht werden, indem einerseits mit Hilfe von leitfadengestützten Experteninterviews und entsprechender Analysesoftware (MAXQDA, ICUnet) die lokalen Netzwerke und die wirtschaftlichen Interdependenzen identifiziert werden und andererseits die gewählten Adaptionsstrategien erkannt und kritisch reflektiert werden sollen.

Angaben zum Forschungsprojekt

Beginn des Projekts:1. Januar 2011
Ende des Projekts:31. Dezember 2012
Projektstatus:abgeschlossen
Projektleitung:Reuter, Christopher
Lehrstuhl/Institution:
Finanzierung des Projekts:Intern/Forschungsschwerpunkt
Projektpartner:
  • Gemeinden im Naturpark Bayerischer Wald
Schlagwörter:Klimawandel, Innovation, Adaption, Wintersport, Tourismus
Themengebiete:R Geographie
Projekttyp:Promotionsprojekt
Projekt-ID:1274
Eingestellt am: 20. Jul 2011 17:41
Letzte Änderung: 20. Jul 2023 03:34
URL zu dieser Anzeige: https://fordoc.ku.de/id/eprint/1274/
Analytics