Tourist shopping villages: exploring success and failure.
Notice bibliographique
Résumé
This chapter explores the phenomenon of tourist shopping villages (TSVs) and the dimensions that contribute to their success by combining a traditional literature review with an expert knowledge mapping exercise. While shopping is seldom mentioned as a primary reason for travel, the activity is perhaps the most universal for tourists, and of great economic importance to local merchants. Creating comfortable and exciting shopping districts can entice tourists to visit and to extend their stay in the region. Many places around the world have developed into well-known tourist shopping destinations, whether by default or through deliberate planning. While tourist shopping can take many forms, this chapter is concerned with small tourist villages that base their appeal on retailing. TSVs are a growing phenomenon in many destinations and can be an important tool for regional development. The chapter draws on the work of Jansen-Verbeke (2000) and Getz (1994, 2000, 2006) to develop an initial framework for the systematic analysis of tourist shopping villages. The chapter includes an evaluation of 29 villages in Australia, New Zealand and Canada to explore factors relating to their perceived success. 0n site visits, rich photographic resources and the associated promotional materials offer a close inspection of the physical conditions of the settings. the activities available and the shopping styles and diversity. From this perspective, the perceived success of a tourist shopping village is strongly influenced by a well-developed heritage theme combined with the presentation of the village as larger in scale, tourist focused and tightly integrated. A successful village also is supported by regional distinctiveness in merchandise as well as regional food and wine. Accessibility and seasonality appear to have a minor influence on the success of shopping villages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».