Analysis of tourism labor's inter-industry mobilty rules based on comparison among five areas at home and abroad
Notice bibliographique
Résumé
Tourism employment has many and negative characteristics,which play a particular role in tourism labor's inter-industry mobility under different social backgrounds.Taking Jiuzhaigou as a case study,the article,through a comparative study in the existing work on mobility in Hungary,Somerset and Coventry in the United Kingdom,Jiuhua Mountain in China and Vancouver Island in Canada,analyzes tourism labor's mobility pattern,self-evaluation of mobility impacts,and mobility motivations under different backgrounds.The findings of the study are as follows.First,labor comes from an unusually wide range of industries.In foreign countries,the highest percentage engaged in trade(Wholesale and Retails Trade),and public sector such as public administration,and education and health contributed a high proportion,and mobility from declining industries was not insignificant,approximately accounting for 10%.In China tourism draws labor mainly from the traditional sectors such as agriculture and manufacturing,and high proportion of unemployed and female young labors are inclined to work in tourism.Second,the most impact of mobility was reported on the job satisfaction variables.The dominance of job satisfaction and physical environment may have been traded off for poor income,long working hours and job/education match.As is indicated by the multi-regression analysis,the satisfaction is mainly supported by career prospects,living standards,working hours and physical environment in China.Third,factor analysis of 30 motivation variables confirms five-dimensional structure.The means' ranking of motivation and factor display that labor mainly arrives by positive attributes associated with this industry and few are absorbed for refuge.In China instrumental utility together with positive is the strongest motivational forces.Entrepreneurial is correlated with businessman moving from agriculture and service industry.Instrumental utility and positive are most approved by all kinds of samples,but refuge approved least.These rules result from the combined effort exerted by the three powers of tourism employment's characteristics,regional socio-economic backgrounds and case's features.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».