MétaCan
Menu
Retour à la cohorte
Enregistrement W2006865047 · doi:10.1080/02508281.2005.11081488

Contrived Landscapes: Simulated Environments as an Emerging Medium of Tourism Destinations

2005· article· en· W2006865047 sur OpenAlexaff
Scott Forrester, Shalini Singh

Notice bibliographique

RevueTourism Recreation Research · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésTourismDestinationsPhenomenonTourism geographyTourist destinationsFocus (optics)MarketingVariety (cybernetics)SociologyManagement scienceComputer scienceBusinessGeographyEngineeringEpistemologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper explores the idea of simulated tourism environments as an emergent medium of tourism destinations. Several simulated tourism environments will be exemplified from which some obvious characteristics of these artificial environments will be offered as a means of developing an understanding of this emerging phenomenon. Drawing on a range of sources including academic, popular fiction, and travel literature and promotional materials, the author(s) examine the way in which simulated tourism is developing. Although the discussion will focus mainly on simulated tourism environments, it will also address some of the philosophical considerations that underpin this visible trend. Subsequently, this paper will offer an analysis of how tourist experiences are affected as a result of the simulated settings. The analysis will include an examination of the differences between the motives of tourists involving themselves with these environments and those seeking more naturalized experiences. In conclusion, a brief handling of a select few global, commercial, and environmental trends will be presented with a view to present contradictions while posing scenarios and questions for future researchers concerning techno-enabled tourism products.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,075
Tête enseignante GPT0,432
Écart entre enseignants0,357 · 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'étudeQualitatif
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

Citations5
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTourism Recreation ResearchMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207