Sensation Seekers as a Target Market for Volunteer Tourism
Notice bibliographique
Résumé
Abstract The purpose of this study was to determine if sensation seeking and consumer innovativeness are useful characteristics in identifying a productive target market for volunteer tourism offerings. Sensation seeking and consumer innovativeness are trait characteristics describing needs for new experiences, risk taking, simulation, and consumer willingness to integrating these needs into their consumption of products and services. Extreme sports enthusiasts, thought to be high sensation seekers, were surveyed. Chain-referral methods were used to recruit the sample. Findings indicate that respondents were high in sensation seeking and consumer innovativeness. Many also expressed a desire for future volunteer work. Findings indicate that respondents would be a potential target market for volunteer tourism experiences and suggest that certain individual traits can be useful in identifying other individuals that would be a productive target market for volunteer tourism offerings. A better understanding of the benefits this group desires can have implications for approaching this group. The area of volunteer tourism is relatively new and underresearched. Investigating whether or not high sensation seekers represent a potential market for volunteer tourism has not been previously researched. KEYWORDS: consumer innovativenesssensation seekingvacation volunteeringvolunteer tourismvoluntourism This project was partially supported by a grant from the Auburn University Montgomery Research Grant-in-Aid Program. Notes a Totals may not equal due to nonresponse to specific questions. b HHI, annual household income. a Gender is a dummy variable in which female = 0, male = 1. a Gender is a dummy variable in which female = 0, male = 1.
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».