MétaCan
Menu
Retour à la cohorte
Enregistrement W2264162595 · doi:10.5937/ekopolj1501229s

Development of Sremski Karlovci wine tourism and integration in the regional tourism offer

2015· article· en· W2264162595 sur OpenAlexaboutno aff
Iva Škrbić, Vaso Jegdić, Srđan Milošević, Dragica Tomka

Notice bibliographique

RevueEkonomika poljoprivrede · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismWineDiversification (marketing strategy)WinemakingProduct (mathematics)BusinessGlobalizationTourism geographyEconomic geographyEconomyMarketingGeographyEconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

Integration and globalisation processes are unavoidable in all fields of business economy, including tourism. Potential success of wine tourism in Sremski Karlovci should be based on diversification of products that entails an influx of tourism and winemaking into other fields of economy. During the development of wine tourism offer, it would be advisable to consult the experiences of the developed wine region and to use their models, which is done in this paper, via benchmark analysis of offers of Sremski Karlovci wineries with those of the Ontario region (Canada) and the place of Villány (Hungary). The goal of this paper is to establish the possible directions of development of the integral product of wine tourism of Sremski Karlovci as a prerequisite for integration into the regional tourism offer. The research indicates that wine tourism offer of Sremski Karlovci is underdeveloped. A large number of product diversification fields are not recognised. The future development of Sremski Karlovci wineries should be based on conquering of those very fields. Such a tourism product could more easily be integrated into the regional wine tourism offer.

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)0,000
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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,053
Tête enseignante GPT0,243
Écart entre enseignants0,190 · 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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEkonomika poljoprivredeMême sujetWine Industry and TourismTravaux en français237 207