MétaCan
Menu
← Retour à la cohorte
Enregistrement W2274022337 · doi:10.6157/2009.3(1).5

來台旅客新奇追求、過去行為與實際行為關係之研究-以日籍旅客為例

2009· article· zh· W2274022337 sur OpenAlexaboutno aff
掌慶琳, 高秋英, 洪聖晏

Notice bibliographique

Revuenon disponible
Typearticle
Languezh
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismTheory of planned behaviorNoveltyTRIPS architectureMarketingGovernment (linguistics)Consumer behaviourSample (material)Travel behaviorPsychologyAdvertisingGeographyBusinessSocial psychologyControl (management)EngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Scholars have confirmed that tourists' intentions reflect actual purchases in consumer decision models. The difference between tourism planned behaviors and actual behaviors has been discussed in North America through 1) a study probing tourists who traveled to Alachuca County in Florida; and 2) Europeans and North American tourists who have traveled to Prince Edward Island in Canada. However, in Asia, the gap between planned behavior and actual behavior is still unknown. Therefore, this research tries to understand the relationship between planned behaviors and realized behaviors in Taiwan. In addition, novelty-seeking and their past behaviors such as the frequency of trips to Taiwan are also explored. The survey instruments were based upon various tourism marketing researches. The questionnaire was conducted with a convenience sample of 393 Japan tourists between February 2 and May 15. 2008. The research findings are as follows: 1. In terms of the number of indulged travel activities, realized tourism behaviors are greater than planned ones; 2. The stronger Japanese tourists' novelty-seeking reflects that the greater differences exist between their planned behaviors and realized behavior; and 3. The past behavior doesn’t influence the gap existing between planned behaviors and realized behaviors. Implications for future research and marketing strategies for relevant tourism industries and government agents are also discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,298
Écart entre enseignants0,281 · 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Marketing and Social Media→Travaux en français237 207→