MétaCan
Menu
Retour à la cohorte
Enregistrement W2556700350 · doi:10.24043/isj.345

Innovation in island ecotourism in different contexts: Yakushima (Japan) and Tahiti and its Islands

2016· article· en· W2556700350 sur OpenAlexaffvenue
Anne-Marie d’Hauteserre, Carolin Funck

Notice bibliographique

RevueIsland Studies Journal · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésDestinationsTourismAttractivenessAdaptabilitySustainabilityEconomic geographyMarketingGeographySmall islandImitationBusinessInvestment (military)Tourist destinationsPolitical scienceEconomicsManagementEcologyPsychology

Résumé

récupéré en direct d'OpenAlex

: This article examines whether the future of tourism in island destinations lies in more and continued innovation on the part of all stakeholders so tourists will consider the extra expense of travelling a worthwhile investment. Islands have long been icons as tourism destinations. However, established destination images can cause a lack in adaptability to changing markets. Though located in different parts of the world and seeking different markets most island destinations would benefit from innovative strategies and products to enhance their attractiveness to high yield visitors. The article uses two examples to analyse the innovative forms that have been adopted in island destinations in the hope they could become models or encourage imitation by other destinations. Two aspects of innovation are discussed. New imaginary can creatively and innovatively (re-)imagine representations; sustainability could be an important innovative pursuit, which requires new narratives for continued tourism growth. These concepts are applied next to the island of Yakushima in Japan and Tahiti and its Islands to determine the main innovative elements used or required to jumpstart the attractiveness of island destinations, though it is recognized that implementation is complex.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,005
Communication savante0,0040,002
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,353
Écart entre enseignants0,311 · 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'étudeObservationnel
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

Citations30
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207