Mobile device use at festivals: opportunities for value creation
Notice bibliographique
Résumé
Purpose The purpose of this paper is to understand mobile device (MD) use in a festival context. Festivals offer a range of opportunities and activities to use a MD making this context ideal for understanding digital experiences during leisure. The guiding research question asked how do festival attendees use MDs at festivals. The Typology of Human Capability (THC) provided a framework to enhance the understanding of digital experiences at festivals. Design/methodology/approach This research involved six festival case studies where semi-structured interviews were conducted with attendees on-site. Interview questions focused on how festival attendees used MDs during the festival. Data were analyzed using directed content analysis guided by the THC. Findings On-site interviews with 168 attendees revealed that data support the THC dimensions and constructs (sensing, linking, organizing and performing). This typology advances the understanding of the range of digital customer experiences currently available at festivals. Research limitations/implications The addition of context to the THC is recommended to enhance its utility in application. As a limited number of festivals were included, the specific findings may not apply to all festivals but the implications are relevant to a range of festivals. Practical implications Operational definitions of the THC constructs within the festival setting were identified and provide opportunities for developing digital experience offerings. Originality/value This study provided the first comprehensive examination of MD use in festival contexts and in so doing offered data in support of Korn and Pine’s (2011) THC. The findings reveal opportunities for modifying the THC to increase its applicability in a range of settings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».