MétaCan
Menu
Retour à la cohorte
Enregistrement W2460925640 · doi:10.1108/whatt-02-2016-0010

The experience economy approach to marketing Les Plus Beaux Villages brand in Russia

2016· article· en· W2460925640 sur OpenAlexaboutno aff
Anatoly Karpov, Alexander V. Merzlov

Notice bibliographique

RevueWorldwide Hospitality and Tourism Themes · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismOriginalitySocioeconomic statusValue (mathematics)EconomyScripting languageRural economyMarketingEconomic growthGeographyAgricultureBusinessSociologyEconomicsQualitative researchSocial science

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to analyze the possibilities for the development of an association of the most beautiful villages of Russia using an experience economy approach. Design/methodology/approach This study uses a case study approach based on the practices of the federation of the most beautiful villages of the Earth and the associations of the most beautiful villages of France, Italy, Japan, Canada and Germany. Findings Based on the analysis of the case studies of beautiful villages marketing in different countries and the methodology of the experience economy, the paper recommends essential changes in the management practices of the association of the most beautiful villages of Russia and its participants. Practical implications Several recommendations have been suggested for exploring, scripting and staging the experiences in beautiful villages of Russia. Originality/value The main output of this study is designed to provide guidance for the management of the association of the most beautiful villages of Russia, inhabitants of the most beautiful villages, rural tourism companies and local authorities in transition to the new experience economy approach accelerating the socioeconomic development of beautiful villages.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0040,002
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,290
Écart entre enseignants0,271 · 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'étudeSans objet
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorldwide Hospitality and Tourism ThemesMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207