MétaCan
Menu
Retour à la cohorte
Enregistrement W2087944194 · doi:10.1177/1356766711409185

Wine tourism: Winery visitation in the wine appellations of Ontario

2011· article· en· W2087944194 sur OpenAlexaffabout
Hillary Dawson, Mark Robert Holmes, Hersch Jacobs, Richard Wade

Notice bibliographique

RevueJournal Of Vacation Marketing · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensToronto Metropolitan UniversityWine Council of Ontario
Organismes subventionnairesnon disponible
Mots-clésWineryTourismGeographyAdvertisingWineInfluencer marketingDestinationsWine tastingPeninsulaAccommodationConsumption (sociology)MarketingBusinessSociologyArchaeologyPsychology

Résumé

récupéré en direct d'OpenAlex

This study explores various factors that encourage travel to wineries in the Ontario viticultural regions of the Niagara Peninsula, Prince Edward County, Pelee Island and Lake Erie North Shore. A convenience sample of 1309 visitors at 19 wineries revealed that the winery experience was not the primary purpose of the trip for a majority of the visitors but was a major influencer in their decision to travel to the regions. Planning typically began within three weeks of departure when friends, family and local websites provided the principal sources of information. Differences were observed among the four regions in demographic profile, motivations, influencers and consumption behavior. Proprietary tasting events and comprehensive wine tour packages including fine dining and overnight accommodation were suggested products that would attract more visitors whose on-site purchases were critical to the success of many operations.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,077
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,225
Écart entre enseignants0,192 · 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'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

Citations74
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal Of Vacation MarketingMême sujetWine Industry and TourismTravaux en français237 207