MétaCan
Menu
Retour à la cohorte
Enregistrement W1987642825 · doi:10.1177/0047287506286718

Toward a Destination Visitor Attendance Estimation Model: Whistler, British Columbia, Canada

2006· article· en· W1987642825 sur OpenAlexaffabout
Joe Kelly, Peter W. Williams, Arlene Schieven, I. JAY DUNN

Notice bibliographique

RevueJournal of Travel Research · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensIndustry, Tourism and InvestmentSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésVisitor patternAttendanceDestinationsTourismCredibilityAuditEstimationGeographyMarketingAdvertisingBusinessComputer sciencePolitical scienceEconomicsAccountingEconomic growth

Résumé

récupéré en direct d'OpenAlex

The nongated and multiple entry point character of many destinations makes it difficult to accurately estimate visitor attendance. This research describes a modeling procedure for credibly estimating tourist attendance in such destinations. It demonstrates the application of the approach in the mountain tourism destination of Whistler, British Columbia, Canada. This article suggests that while the model is capable of providing timely and relevant attendance estimates for destination managers, its credibility is dependent on access to a substantive base of both audited attendance data concerning anchored visitors and specific behavioral information collected on a systematic basis from footloose visitors in the destination. The findings are offered as a contribution to the growing literature on tourism destination and special event visitor attendance estimation and performance assessment.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,794

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,375
Écart entre enseignants0,291 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Travel ResearchMême sujetSport and Mega-Event ImpactsTravaux en français237 207