MétaCan
Menu
Retour à la cohorte
Enregistrement W2591285138 · doi:10.51200/bimpeagajtsd.v3i1.3084

RURAL TOURISM 3.0: CONCEPTUALISING AN INNOVATIVE APPROACH IN MONITORING THE ‘HEALTH’ OF RURAL DESTINATIONS IN MALAYSIA

2014· article· en· W2591285138 sur OpenAlexaff
Vik­neswaran Nair, Badaruddin Mohamed, A. Hamzah, May‐Chiun Lo, Jer Lang Hong

Notice bibliographique

RevueBIMP-EAGA Journal for Sustainable Tourism Development · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesMinistry of Higher Education, Malaysia
Mots-clésTourismRural tourismBusinessTourism geographyMainstreamMarketingDestinationsThe InternetEcotourismRural managementRural developmentGeographyWorld Wide WebComputer sciencePolitical scienceAgriculture

Résumé

récupéré en direct d'OpenAlex

With the evolution from Web 1.0 to Web 3.0, web servers are able to dynamically generate rich web information to internet users. The capabilities of Web 3.0 can be used in the tourism sector to manage the industry more effectively. One of the major forms of tourism that is gaining its momentum in Malaysia and requires efficient management is rural tourism. Nonetheless, in the last decade, the concept of rural tourism has melded with mainstream tourism and resulting in it losing its distinctness. Consequently, the tourism industry's growth throughout the years has created an increasing amount of stress economically, socially and environmentally. Hence, the development of a sustainable and responsible rural tourism is needed in fulfilling the objectives of all stakeholders in the system. Thus, the main aim of this paper is to conceptualise a framework to monitor the ‘health’ of rural tourism destinations in Malaysia using Web 3.0 technologies. A rural tourism prototype called the “Rural Tourism 3.0” is developed to assess, advice and monitor the economic, socio-cultural and environmental responsible impact of rural tourism destinations using an integrated real-time decision support system.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,355
Écart entre enseignants0,317 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBIMP-EAGA Journal for Sustainable Tourism DevelopmentMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207