Motivações para visitar a Oktoberfest de Blumenau (BR) e Munique (RFA): uma análise comparativa utilizando a técnica Partial Least Squares
Notice bibliographique
Résumé
É impossível desenvolver ações eficazes de marketing turístico e planejamento da comunicação, sem uma compreensão das motivações dos turistas para viajar. O objetivo deste artigo é aprofundar o conhecimento dos motivos para viajar de visitantes de festivais. Com este propósito foi desenvolvido um instrumento de pesquisa formado por quatro constructos obtidos na literatura, cujos dados foram coletados por meio de um survey nas Oktoberfest de Blumenau (BR), com 432 entrevistados e Munique (RFA), com 285 entrevistados. A maioria das escalas foi confirmada mostrando a validade do instrumento. O estudo por meio de Partial Least Squares – PLS revelou que ambas as amostras buscam experimentar diferentes costumes e culturas e encontrar situações novas que não fazem parte do seu ambiente. Os visitante também frequentam festivais para estar com amigos, reduzir a tensão, ansiedade e frustrações. A compreensão das motivações dos turistas para viajar contribui com novos subsídios para a elaboração de políticas públicas e o trade turístico.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».