MétaCan
Menu
Retour à la cohorte
Enregistrement W1965270134 · doi:10.1177/1938965514537550

Why Attend Tradeshows? A Comparison of Exhibitor and Attendee’s Preferences

2014· article· en· W1965270134 sur OpenAlexfundno aff
Spring H. Han, Rohit Verma

Notice bibliographique

RevueCornell Hospitality Quarterly · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueConferences and Exhibitions Management
Établissements canadiensnon disponible
Organismes subventionnairesKillam TrustsASAE Foundation
Mots-clésAttendanceMarketingSustainabilitySocial mediaBusinessOrder (exchange)PsychologyPublic relationsEconomicsPolitical scienceEconomic growthComputer scienceWorld Wide WebFinance

Résumé

récupéré en direct d'OpenAlex

Tradeshows and conventions continue to thrive in the twenty-first century, both for information exchanges and direct selling, but numerous forces have meant changes in show operation and in participants’ selection criteria for attendance. A study of more than 2,500 tradeshow exhibitors and attendees document a clear bifurcation in the reasons for attendance in these two groups. Exhibitors are primarily focused on business and contact development, whereas participants seek a unique experience and are motivated heavily by educational goals. Successful tradeshows will need to satisfy both of these complementary sets of goals. The effects of social media and mobile technology on tradeshows are noticeable but still in flux, as many shows increasingly use virtual methods for information exchange and contact development. Environmental sustainability has become important to both exhibitors and attendees, and budgetary constraints continue to be an issue. Not only are there differences in relative preferences of exhibitors and attendees, but subgroups within each category also show different tradeshow criteria, based on age, frequency of tradeshow visits, career stage, and their technology readiness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,301
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCornell Hospitality QuarterlyMême sujetConferences and Exhibitions ManagementTravaux en français237 207