MétaCan
Menu
Retour à la cohorte
Enregistrement W2111828931 · doi:10.5539/ibr.v5n4p67

Observations on the State of Tourism in Italy

2012· article· en· W2111828931 sur OpenAlexvenueno aff
F. M. Accardo

Notice bibliographique

RevueInternational Business Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement, Economics, and Public Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismDiversification (marketing strategy)BusinessConsumption (sociology)Product (mathematics)EconomyResource (disambiguation)Investment (military)RevenueNatural resourceEconomic geographyGeographyMarketingEconomicsFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

In this paper, we analyze the features of the structures and tourist’s hotels in the years 2003-2008. In particular, we studied the presence of tourists in hotels. The official statistical data on tourism reported in this article were provided by ISTAT. One of the main economic resource in Italy is the tourism sector. The tourism sector is growing and it is an important source of income for the Italian economy and the world. The growth and spread of tourism causes excessive consumption of natural resources related to intensive building. This inevitably leads to an alteration of the natural habitat. In Italy the system of official statistics on tourism offers a variety of sources, most of which are represented by ISTAT. The tourist’s hotel structures in Italy are made up of complementary facilities such as hotels and campsites, tourist villages, bed and breakfasts, etc. The environment is the cornerstone of the tourism product, and it inevitably suffers the environmental changes. Diversification and quality are key competitive factors in the tourism sector. Therefore, the farm is one of the sectors in which investment is convenient. The Italian farm holiday is the fourth largest in Europe after France, Germany and Great Britain. Farmhouses must meet user’s expectations; economists say: “experience good user satisfaction”.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,158
Tête enseignante GPT0,353
Écart entre enseignants0,195 · 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'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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetManagement, Economics, and Public PolicyTravaux en français237 207