Guidelines for Developing Competencies of Travel Agent Manager: A Comparative Study of Thailand and Laos
Notice bibliographique
Résumé
This paper aims to develop guidelines for developing the competency required by a travel agent manager in the leisure and hospitality industry in Thailand and Laos. The conceptual framework is consisted of independent variables (core competency, common competency, and managerial competency) and dependent variable (guideline for Developing the competency of the manager). The data is collected from two sources: 1) 128 travel agents in both Laos and Thailand, and 2) additional 142 responses which are derived from snowball sampling, total 270 samples. Questionnaire is used as the data collecting tool. Multi-Layer Perceptron (MLP), which is a type of neural network statistic, is used for analysis and interpreting the factors to order prioritize of factors. The MLP is a mathematic network model which replicates neural network and it is used for anticipating the pattern of variables. It can be used for single variable analysis and multivariate analysis to describe variable significance and to map the variable linear. The results suggest at least three significant indications for developing the competency of travel agent manager in Thailand and Laos. The findings also indicate that Thailand leisure and hospitality industry has focus on organizational culture development, change management, and self-management, while in Laos there is an emphasis on operation development, personnel administration, and product and service. This study shows what aspects of competency the managers of travel agencies in Thailand and in Laos are possessing and what are lacking. This helps the organizations to initiate the most suitable guideline for development the missing aspects. It can also be seen that both travel agencies in Thailand and in Laos do not pay sufficient attention on working competency nor strengthen their managers’ competency to cope with either domestic competition or the more intense competition within and out of ASEAN region.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».