An application of stakeholder theory to advance community participation in tourism planning: the case for engaging immigrants as fringe stakeholders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Anahita Khazaeia*, Statia Elliota & Marion Joppeaa School of Hospitality, Food and Tourism Management, University of Guelph, Guelph, CanadaAnahita Khazaei is a PhD candidate and instructor in the School of Hospitality, Food and Tourism Management, University of Guelph, Canada. Her research interests include community engagement, tourism planning and sustainability. Anahita has years of experience in strategic planning acquired while she was a management consultant in her native country of Iran.Dr Statia Elliot is an associate professor, and director of the School of Hospitality, Food and Tourism Management, University of Guelph. She has extensive experience working with Canadian destination marketing organizations, and specializes in research of place image and branding, tourism destination planning and performance. She teaches strategic marketing and tourism, and is chair of the Canadian Chapter of the Travel and Tourism Research Association.Dr Marion Joppe is a professor in the School of Hospitality, Food and Tourism Management, University of Guelph. She obtained her doctorate from the University of Aix-Marseille III, France, in law and economics of tourism in 1983, and specializes in destination planning, development and marketing, and the experiences upon which destinations build. She has extensive private and public sector experience, having worked for financial institutions, tour operators, consulting groups and government, and has published in both North America and Europe.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle