MétaCan
Menu
Retour à la cohorte
Enregistrement W2326719007 · doi:10.1080/13683500.2016.1150257

Mobilizing knowledge: determining key elements for success and pitfalls in developing community-based tourism

2016· article· en· W2326719007 sur OpenAlexaff
Rachel Dodds, Alisha Ali, Kelly Galaski

Notice bibliographique

RevueCurrent Issues in Tourism · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésTourismKey (lock)PovertyEmpowermentAlternative tourismSustainable tourismBusinessQuality (philosophy)Critical success factorGrey literatureProcess managementMarketingEcotourismPolitical scienceEconomic growthComputer scienceEconomicsMEDLINE

Résumé

récupéré en direct d'OpenAlex

Community-based tourism (CBT) has often been cited as an alternative to mass tourism and an approach for tourism to become more sustainable. If developed well, CBT can become a poverty alleviation mechanism and a way to access improvements in quality of life, providing empowerment and greater economic benefit to individuals in local communities. Despite the plethora of literature on CBT and evaluation of models, there is little analysis of the facilitators and barriers to achieving it. Through the use of case studies in both academic and grey literature, this paper serves as an instructive review of the CBT literature to synthesize the key elements of success and the challenges.

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)0,014
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,009
Communication savante0,0100,007
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,101
Tête enseignante GPT0,438
Écart entre enseignants0,337 · 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'étudeQualitatif
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

Citations313
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Issues in TourismMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207