An Exploration of Evolving Learning Communities in the Micro Firm Rural Tourism Context: A Multi-Country Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rural stakeholder collaborations are considered pivotal to successful rural development. In this context a growing body of micro firm related tourism research acknowledges the value of collaborative learning networks and the learning relationships that develop within. However little research reveals how micro firms learn independently in the practice of tourism development in an ‘evolving learning community’ context. Drawing from Lave and Wenger’s (1991) community of practice perspective, this research seeks to explore the elements and relationships that influence learning in an evolving learning community (LC) in the micro firm rural tourism context. An evolving LC is defined as a group of businesses (micro firms) who collaborate with one another and other stakeholders in their community for the purpose of tourism development; in doing so they build shared meaning and learn in practice, as the community evolves from one stage to another. A comprehensive literature review reveals key criteria which influence evolving LC structures and interrelationships. These criteria are explored through two longitudinal interpretive case studies in tourism practitioner communities in Canada and Wales. Employed research techniques comprised interviews, observation, LC communication review and reflective diary maintenance. The findings offer insights into how the catalyst, structure and leadership, learning strategies, LC resources, communication, participation and identity and boundary criteria support or impede micro firm learner autonomy and influence the evolving LC’s learning dynamic. Recommendations are offered into optimised evolving LC support mechanisms at local, regional and national level; ultimately contributing to rural regional policy development in each domain.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,009 | 0,042 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle