MétaCan
Menu
Retour à la cohorte
Enregistrement W2407790946 · doi:10.1002/jtr.2072

The Use of Intelligence in Tourism Destination Management: An Emerging Role for DMOs

2016· article· en· W2407790946 sur OpenAlexaff
Lorn Sheehan, Alfonso Vargas Sánchez, Angelo Presenza, Tindara Abbate

Notice bibliographique

RevueInternational Journal of Tourism Research · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBusinessCompetitive advantageTourismKnowledge managementDestination managementDisseminationMarketingMeaning (existential)Boundary spanningComputer scienceDestinations

Résumé

récupéré en direct d'OpenAlex

Abstract Over time, the acronym DMO has evolved from a meaning centered on marketing (i.e. Destination Marketing Organization) to a meaning centered on management (i.e. Destination Management Organization). Expanding the role of DMOs to one of management implies a greater need to engage stakeholders both within the destination and external to the destination. We assert that this places the DMO in a fundamentally unique position of being a boundary spanner between the internal destination environment and the external competitive environment. This boundary‐spanning role requires higher capabilities in knowledge management. The successful DMO of the future will be an intelligent agent of the destination that is able to identify, engage and learn from disparate stakeholders both within and outside the destination. It must acquire, filter, analyze and prioritize data and information from various sources to create knowledge that can be used to fulfill its role in destination management. Our paper is conceptual in nature, advocating an organizing framework to help understand the DMO's role as an intelligent agent that acts as a boundary spanner between the destination and the external competitive environment generating and disseminating knowledge. Outside the destination, the DMO must gain knowledge about the competitive environment, opportunities and threats, and trends that will change the future competitive landscape. Within the destination, the DMO must use this knowledge to strategically assess the strengths and weaknesses of the destination, align the resources of stakeholders and develop adequate competencies to formulate a strategy that is both competitive and sustainable. We conclude with a set of prescriptions for destination managers seeking to create an intelligent DMO that maximizes their knowledge management capabilities. Copyright © 2016 John Wiley & Sons, Ltd.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,551

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,176
Tête enseignante GPT0,470
Écart entre enseignants0,294 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations109
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Tourism ResearchMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207